Como dijeron los internautas, con la ayuda de AutoGen, para completar una tarea en el futuro, el usuario solo necesita dar la demanda, presionar enter, el proceso intermedio se ignora por completo y la tarea se completa automáticamente.
Fuente original: AIGC Open Community
Fuente de la imagen: Generado por Unbounded AI
Un proyecto, en solo dos semanas, el escalar de estrellas aumentó de 390 a 10K, y atrajo a más de 5,000 miembros en Discord, un proyecto tan popular es la nueva herramienta AutoGen recientemente lanzada por Microsoft.
Podemos pensar en AutoGen como un marco que permite que varios agentes de LLM resuelvan tareas a través del chat. Los agentes de LLM pueden desempeñar una variedad de roles, como programador, diseñador o una combinación de roles, y el proceso de diálogo resuelve la tarea.
No solo eso, AutoGen es personalizable, conversacional y permite la participación humana. AutoGen funciona con LLM para tareas, aportaciones humanas y una combinación de herramientas.
Dirección del proyecto:
Los usuarios que han utilizado el proyecto dieron una valoración muy alta, diciendo: "Dar la demanda, golpear la devolución, el proceso intermedio es completamente descuidado..."
Otro internauta dijo: "AutoGen me ayudó a hacer un juego de serpientes en cuestión de segundos".
Entonces, ¿cuáles son las ventajas de los proyectos que todo el mundo ha aplaudido, en concreto?
AutoGen facilita la creación de aplicaciones LLM de próxima generación basadas en diálogos multiagente, lo que agiliza el flujo de trabajo de LLM complejos, maximiza el rendimiento de los modelos LLM y supera sus debilidades.
AutoGen admite múltiples modos de diálogo, por lo que los desarrolladores pueden crear una amplia gama de modos de conversación basados en AutoGen.
AutoGen ofrece una gama de sistemas de trabajo con complejidad variable, que cubren diferentes campos y aplicaciones.
AutoGen proporciona openai. Finalización u openai. Un reemplazo directo de ChatCompletion como una API para una inferencia mejorada.
Además, en el proyecto se dan muchos ejemplos para ayudarle a hacer un mejor uso de AutoGen. Por ejemplo, según un internauta, supongamos que desea implementar un rastreador y rastrear y guardar imágenes de páginas web. Si se implementa con ChatGPT, devolverá el código de ejecución, generalmente el código no se puede usar directamente y se requieren correcciones humanas. Sin embargo, si le da esta tarea a AutoGen, solo necesita definir unos pocos agentes para lograrlo.
En el ejemplo siguiente se muestra que cuando se utiliza el marco AutoGen para resolver un problema matemático mediante MathChat, el paso de crear un agente aparece en el código en ejecución y lo inicializa:
En el diagrama siguiente se muestran seis ejemplos de aplicaciones creadas con AutoGen, entre las que se incluyen la resolución de problemas matemáticos, la codificación multiagente, la toma de decisiones en línea, el chat mejorado con recuperación, el chat grupal dinámico y el ajedrez conversacional.
AutoGen también ayuda a maximizar la utilidad de los LLM como ChatGPT y GPT-4. Como se mencionó anteriormente, AutoGen proporciona openai. Finalización u openai. Un reemplazo directo para ChatCompletion, con más funciones agregadas, como ajuste, almacenamiento en caché, manejo de errores y plantillas. Por ejemplo, los usuarios pueden usar sus propios datos de ajuste para optimizar lo que LLM genera dentro del presupuesto.
Estos casos de uso demuestran la amplia aplicabilidad de AutoGen para resolver una amplia gama de problemas, lo que lo convierte en una herramienta valiosa para los desarrolladores. Aquellos que aún no lo han experimentado, de acuerdo con los pasos de instalación proporcionados por el funcionario, pueden comenzar.
Enlace de referencia:
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
El marco AutoGen de Microsoft se incendió y el chat resolvió el problema
Fuente original: AIGC Open Community
Un proyecto, en solo dos semanas, el escalar de estrellas aumentó de 390 a 10K, y atrajo a más de 5,000 miembros en Discord, un proyecto tan popular es la nueva herramienta AutoGen recientemente lanzada por Microsoft.
No solo eso, AutoGen es personalizable, conversacional y permite la participación humana. AutoGen funciona con LLM para tareas, aportaciones humanas y una combinación de herramientas.
Los usuarios que han utilizado el proyecto dieron una valoración muy alta, diciendo: "Dar la demanda, golpear la devolución, el proceso intermedio es completamente descuidado..."
AutoGen facilita la creación de aplicaciones LLM de próxima generación basadas en diálogos multiagente, lo que agiliza el flujo de trabajo de LLM complejos, maximiza el rendimiento de los modelos LLM y supera sus debilidades.
En el ejemplo siguiente se muestra que cuando se utiliza el marco AutoGen para resolver un problema matemático mediante MathChat, el paso de crear un agente aparece en el código en ejecución y lo inicializa:
realizar la afinación
config, analysis = autogen. Completion.tune (
)
realizar inferencias para una instancia de prueba
respuesta = autógeno. Completion.create (context=test_instance, **config)
Estos casos de uso demuestran la amplia aplicabilidad de AutoGen para resolver una amplia gama de problemas, lo que lo convierte en una herramienta valiosa para los desarrolladores. Aquellos que aún no lo han experimentado, de acuerdo con los pasos de instalación proporcionados por el funcionario, pueden comenzar.
Enlace de referencia: