AutoGen：通过多Agent对话实现下一代LLM应用

AutoGen是一个框架，通过多Agent对话实现下一代LLM（Large Language Model）应用的开发。它支持定制化、对话式、多Agent协作的智能应用，提供了强大的LLM推理功能，包括缓存、错误处理、多配置推理和模板化，使得开发者能够轻松构建复杂的对话式应用。

AutoGen的多Agent对话框架具有以下特点：

• 多Agent对话：AutoGen代理可以相互通信以解决任务。这使得应用能够比单个LLM更加复杂和复杂。
• 定制化：AutoGen代理可以根据应用的特定需求进行定制。这包括选择要使用的LLM、允许的人类输入类型以及要使用的工具。
• 人类参与：AutoGen可以无缝地允许人类参与。这意味着人类可以根据需要向代理提供输入和反馈。

例如，以下是一个示例代码：

    
 

  
  复制
 
    
from autogen import AssistantAgent, UserProxyAgent, config_list_from_json

# 从环境变量或文件中加载LLM推理端点
config_list = config_list_from_json(env_or_file="OAI_CONFIG_LIST")

# 创建AutoGen代理
assistant = AssistantAgent("assistant", llm_config={"config_list": config_list})
user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding", "use_docker": False}) 

# 启动对话
user_proxy.initiate_chat(assistant, message="Plot a chart of NVDA and TESLA stock price change YTD.")

from autogen import AssistantAgent, UserProxyAgent, config_list_from_json</p>
<p># 从环境变量或文件中加载LLM推理端点<br />
config_list = config_list_from_json(env_or_file=”OAI_CONFIG_LIST”)</p>
<p># 创建AutoGen代理<br />
assistant = AssistantAgent(“assistant”, llm_config={“config_list”: config_list})<br />
user_proxy = UserProxyAgent(“user_proxy”, code_execution_config={“work_dir”: “coding”, “use_docker”: False}) </p>
<p># 启动对话<br />
user_proxy.initiate_chat(assistant, message=”Plot a chart of NVDA and TESLA stock price change YTD.”)<br />

该示例演示了如何启动两个AutoGen代理之间的对话以解决任务。
此外，AutoGen还提供了一个示例代码，允许用户与一个AutoGen代理进行ChatGPT风格的对话。
Enhanced LLM Inferences
AutoGen还帮助最大化利用昂贵的LLM，如ChatGPT和GPT-4。它提供了增强的LLM推理功能，包括缓存、错误处理、多配置推理和模板化。


  ×


   直达下载
  

   


反爬虫抓取，人机验证，请输入验证码查看内容
     验证码：
     提交查看
请扫描上方公众号二维码，发送关键字：2024，获取验证码。
微信搜索公众号:“AI工具教程”或者“chatgpt8080” 或微信扫描右侧二维码关注微信公众号





                    

                        温馨提示：
                    
                    

                        
文章标题：AutoGen：通过多Agent对话实现下一代LLM应用
                        
文章链接：https://yuntunft.cn/38586.html
                        
更新时间：2024年07月05日