正如網友所說的，藉助 AutoGen，以後完成某項任務，使用者只需給出需求，敲下回車，中間過程完全不用管，任務自動就完成了。

原文來源：AIGC開放社區

圖片來源：由無界AI生成

一個專案，用了短短兩個星期的時間，星標量從 390 狂增到 10K，並在 Discord 上吸引了 5000 多名成員，如此爆火的專案便是微軟最近發佈的全新工具 AutoGen。

我們可以將 AutoGen 理解為一個框架，其允許多個 LLM 智慧體通過聊天來解決任務。 LLM 智慧體可以扮演各種角色，如程式師、設計師，或者是各種角色的組合，對話過程就把任務解決了。

不僅如此，AutoGen 是可定製的、可對話的，並且允許人類參與。 AutoGen 的運作方式包括藉助 LLM 完成任務、人類輸入和各種工具的相互組合。

專案位址：

有用過該專案的使用者給與了極高的評價，表示道：「給出需求，敲下回車，中間過程完全不用管......」

還有網友表示：「AutoGen 在幾秒鐘內幫我製作了一個貪吃蛇遊戲」。

那麼大家紛紛叫好的專案，到底有哪些優點呢，具體來說：

• AutoGen 基於多智慧體對話可以輕鬆構建下一代 LLM 應用程式，它簡化了複雜 LLM 的工作流程，最大限度地提高了 LLM 模型的性能並克服了它們的弱點。
• AutoGen 支援多種對話模式，因而開發人員基於 AutoGen 可以構建廣泛的對話模式。
• AutoGen 提供了一系列具有不同複雜性的工作系統，不同領域和各種應用都包含在內。
• AutoGen 提供了 openai. Completion 或 openai. ChatCompletion 的直接替代，作為增強推理的 API。

另外，專案中也給出了許多示例來説明大家更好的運用 AutoGen。 舉例來說，根據一位網友的說法，假如想要實現一個爬蟲程式，並且抓取並保存網頁圖片。 用 ChatGPT 來實現的話，會返回執行代碼，一般來說代碼不能直接使用，需要人類進行修正。 但是，如果將這個任務交給 AutoGen，你只需要定義幾個智慧體就可以實現了。

如下示例展示了藉助 AutoGen 框架，使用 MathChat 解決數學問題時，運行代碼中出現了構建智慧體這一步驟，並對其進行了初始化：

下圖顯示了使用 AutoGen 構建的六個應用程式示例，包括數學問題解決、多智慧體編碼、在線決策制定、檢索增強聊天、動態群聊以及對話式國際象棋。

AutoGen 還有助於最大限度地提高 ChatGPT 和 GPT-4 等 LLM 的效用。 就如前面提到的，AutoGen 提供了 openai. Completion 或 openai. ChatCompletion 的直接替代，還添加了更多功能，如調優、緩存、錯誤處理和範本。 例如，使用者可以使用自己的調優數據，在預算範圍內來優化 LLM 的生成內容。

執行調優

配置，分析 = 自動生成。Completion.tune （

數據=tune_data，

度量=「成功」，

模式=「最大」，

_func=_func，

inference_budget=0.05，

optimization_budget=3，

num_samples=-1，

)

對測試實例進行推理

回應 = 自動生成。Completion.create （context=test_instance， **config）

以上這些用例顯示了 AutoGen 在解決各種問題上的廣泛適用性，使其成為開發者的寶貴工具。 還沒體驗的小夥伴，根據官方提供的安裝步驟，可以上手一試了。

參考連結：