AutoGen官方文档例子

想象一下，你有一支团队，每个成员都很擅长做不同的事情。一个人擅长规划行程，一个人了解当地有趣的地方，一个人会教你说当地的语言，还有一个人负责把所有想法整合成一个完整的计划。
AutoGen就是让AI组成这样一个团队的工具，让它们一起合作完成任务，而不是只有一个AI试图做所有事情。

代码解析

第一部分：准备工作

import asyncio 
import os
from dotenv import load__dotenv
from autogen_agentchat.agents import AssistantAgent 
from autogen_agentchat.conditions import TextMentionTermination 
from autogen_agentchat.teams import RoundRobinGroupChat 
from autogen_agentchat.ui import Console 
from autogen_ext.models.openai import OpenAIChatCompletionClient

load_dotenv()

这就像在做饭前准备所有材料。我们引入了所有需要的工具：

asyncio：让程序能够同时处理多个任务
dotenv：帮助我们安全地存储API密钥
其他几个导入是AutoGen框架的组件，用来创建和管理AI代理load_dotenv() 加载你存储在.env 文件中的环境变量，比如API密钥。

第二部分：设置AI模型

model_client = OpenAIChatCompletionClient (
      mode1="gpt-4o"
      api_key=os. getenv"OPENAI_API_KEY")
）

这就像选择我们团队成员将使用的“大脑”。所有代理都会使用GPT-4o模型，但每个代理会有不同的角色和专长。我们使用 os.getenv（”OPENAI_API_KEY”）从环境变量中获取API密钥，这比直接在代码中写密钥更安全。

第三部分：创建四个专家代理

planner_agent = AssistantAgent (
              "planner _agent"
              model_client=model_Client，
              description=”一个能够帮助规划旅行的助手。“，
              system_message=”你是一个有用的助手，能够根据用户的请求提供旅行计划建议。“
)

我们创建了第一个团队成员：旅行规划专家。

planner_agent：这是代理的名字，类似给团队成员的名牌
model_client=model_client：告诉代理使用哪个”大脑”
description：简短描述这个代理的工作
system_message：这是给代理的详细指令，这个是最重要的了，就像工作说明

接着我们创建了另外三个代理：

local_agent = AssistantAgent (
    "local_agent"
    model_client=model_client,
    description="一个能够推荐当地活动或景点的本地助手。“
    system_message="你是一个有用的助手，能够为用户推荐正宗有趣的当地活动或景点.
）

language_agent = AssistantAgent (
    "language_agent"
    model_client=model_client,
    description=”一个能够提供语言技巧的助手。”，
    system_message="你是一个有用的助手，能够审查旅行计划，就如何最好地解决给定目的地的语言问题。
）

travel_summary_agent = AssistantAgent（
    "travel_summary_agent"
    model_client=model_client,
    description="一个能够总结旅行计划的助手。”，
    system_message=”你是一个有用的助手，能够接收其他代理的所有建议和意见，并提供详细的最终旅行计划。
）

接着我们创建了另外三个代理：

本地专家（local_agent）：了解当地好玩的地方和活动
语言专家（language_agent）：帮你学会在旅行地如何沟通
总结专家（travel_summary_agent）：负责整合所有建议，制作最终计划每个代理的 system_message 都不同，这就像给每个团队成员不同的工作指南。

每个代理的 system_message 都不同，这就像给每个团队成员不同的工作指南。

第四部分：设置会议规则

termination = TextMentionTermination "TERMINATE")

group_chat = RoundRobinGroupChat (
           [planner_agent, local_agent, language_agent, travel_summary_agent], 
           termination_condition=termination
）

这部分设置了团队会议的规则：

TextMentionTermination（“TERMINATE”）：当任何代理说出“TERMINATE”这个词时，会议就结束了。这告诉系统什么时候任务完成。

RoundRobinGroupChat：这决定了代理们怎么交流。“轮流发言”的方式意味着代理们会按照列表中的顺序一个接一个地发言：

先是旅行规划专家
然后是本地专家
接着是语言专家
最后是总结专家

第五部分：启动系统

sync def main():
    await Console（group_chat.run_stream（task="计划一个为期3天的美国旅行。“））
    await model_client.close（）

if _name_" == "_main_"
    asyncio.run(main())

这是启动整个系统的部分：

1. 创建 main（）函数，使用async 表示它是异步的（可以等待其他操作完成）
2. group_chat.run_stream（task=”计划一个为期3天的美国旅行。“）给团队一个任务
3. Console（）将所有对话显示在屏幕上
4.model_client.close（）在完成后关闭连接
5. asyncio.run（main（））启动整个程序

运行结果

系统如何工作的流程

当你运行这个程序时，以下是发生的事情：

1. 开始会议：系统告诉团队"计划一个为期3天的美国旅行"

２. 规划专家发言：首先，旅行规划专家会创建一个基础行程，例如：
      第1天：抵达纽约，参观自由女神像和时代广场
      第2天：参观博物馆和中央公园
      第3天：购物和离开

3.本地专家补充：本地专家看到规划后，会添加当地特色的建议：
      推荐正宗的美食
      提供更隐蔽但有趣的地点
      添加本地文化体验

4.语言专家贡献：语言专家会提供在美国旅行的沟通提示：
     美国的礼仪习惯
     小费文化注意事项
     有用的美国俚语表达

5.总结专家整合：最后，总结专家会把所有建议整合成一个完整的旅行计划，并在完成后说"TERMINATE"结束会议

每个代理都能看到前面代理说的话，所以他们可以互相补充，一起创建一个比单个AI能做出的更全面的计划。

为什么这种方法很强大？

这种多代理协作有几个重要优势：

1. 专业化：每个代理专注于自己最擅长的领域，就像专业团队一样
2. 知识互补：代理们互相弥补知识空白
3. 有序流程：从基础规划到本地知识，再到语言提示，最后整合成完整计划
4. 清晰的终点：系统知道何时任务完成（看到”TERMINATE”）

如何修改用于其他目的？

如果你想改变这个系统，可以：

1. 修改任务：把“计划一个为期3天的美国旅行。“改为任何你想要的任务
2. 更改代理角色：修改每个代理的 system_message 来改变其专长
3. 增减代理数量：根据需要添加或减少专家
4. 换用不同模型：可以使用不同的AI模型，如 gpt-3.5-turbo 来节省成本

实用应用示例

这种多代理系统可以用于：

1.学习计划：一个专家规划课程，一个专家提供资源，一个专家设计测试，一个整合成完整学习计划
2.产品开发：市场专家、技术专家、财务专家和项目专家共同工作
3.内容创作：创意专家、研究专家、结构专家和编辑专家合作创作内容

运行这个代码需要什么？

要运行这个代码，你需要：

安装必要的库：

pip install -U "autogen-agentchat" 
pip install "autogen-ext [openai]"
pip install python-dotenv

创建一个.env 文件，里面包含你的OpenAI API密钥：OPENAI_API_KEY-你的密钥
运行代码：python 你的文件名.py

记住，使用API会产生费用，因为你是在使用OpenAI的服务

简单总结

想象这段代码就像组建了一个旅行规划团队：

一个人擅长鏊体规划
一个人了解当地的好地方
一个人帮你学当地语言
一个人把所有点子整合成一个完美计划
他们轮流发言，每个人都能看到前面的人说了什么，最后一起创造出一个比单个AI做得更好的旅行计划。这种”多人协作”的方法可以应用到几乎任何需要多种专业知识的任务中。

92IT

Just love IT.

AutoGen官方文档例子