ネチズンが言ったように、AutoGenの助けを借りて、将来タスクを完了するために、ユーザーは要求を与え、Enterキーを押すだけで、中間プロセスは完全に無視され、タスクは自動的に完了します。

オリジナルソース: AIGCオープンコミュニティ

画像ソース:無制限のAIによって生成

わずか2週間で、スタースカラーは390から10Kに増加し、Discordで5,000人以上のメンバーを魅了したプロジェクトであり、このような人気のあるプロジェクトは、Microsoftが最近リリースした新しいツールAutoGenです。

AutoGenは、複数のLLMエージェントがチャットを介してタスクを解決できるようにするフレームワークと考えることができます。 LLMエージェントは、プログラマー、デザイナー、または役割の組み合わせなど、さまざまな役割を果たすことができ、対話プロセスがタスクを解決します。

それだけでなく、AutoGenはカスタマイズ可能で会話型であり、人間の関与を可能にします。 AutoGen は、タスク、人間の入力、およびツールの組み合わせのために LLM と連携します。

プロジェクトアドレス:

プロジェクトを使用したユーザーは、「需要を与え、リターンを打ち、中間プロセスは完全に不注意です...」と非常に高い評価を与えました。

別のネチズンは、「AutoGenは私がほんの数秒でヘビゲームを作るのを助けてくれました」と言いました。

では、誰もが称賛しているプロジェクトの利点は何ですか。

AutoGenは、マルチエージェントダイアログに基づく次世代LLMアプリケーションの構築を容易にし、複雑なLLMのワークフローを合理化し、LLMモデルのパフォーマンスを最大化し、その弱点を克服します。

• AutoGenは複数のダイアログモードをサポートしているため、開発者はAutoGenに基づいて幅広い会話モードを構築できます。
• AutoGenは、さまざまな分野やアプリケーションをカバーする、さまざまな複雑さのさまざまな作業システムを提供します。
• AutoGen は openai を提供します。 完了またはオープンアイ。 強化された推論のための API としての ChatCompletion のドロップイン置換。

さらに、AutoGen をより有効に活用するのに役立つ多くの例がプロジェクトで示されています。 たとえば、あるネチズンによると、クローラーを実装し、Webページの画像をクロールして保存するとします。 ChatGPTで実装すると実行コードが返されますが、通常はコードを直接使用することはできず、人間による修正が必要です。 ただし、このタスクを AutoGen に渡す場合は、それを実現するためにいくつかのエージェントを定義するだけで済みます。

次の例は、AutoGen フレームワークを使用して MathChat を使用して数学の問題を解決する場合、エージェントを構築するステップが実行中のコードに表示され、それを初期化することを示しています。

次の図は、数学の問題解決、マルチエージェント コーディング、オンライン意思決定、検索強化チャット、動的グループ チャット、会話型チェスなど、AutoGen で構築されたアプリケーションの 6 つの例を示しています。

AutoGen は、ChatGPT や GPT-4 などの LLM の有用性を最大化するのにも役立ちます。 前述のように、AutoGenはopenaiを提供します。 完了またはオープンアイ。 ChatCompletion のドロップイン代替で、チューニング、キャッシュ、エラー処理、テンプレートなどの機能が追加されています。 たとえば、ユーザーは独自のチューニングデータを使用して、LLMが予算内で生成するものを最適化できます。

チューニングを行う

構成、分析=自動生成。完了.tune (

データ = tune_data、

メトリック="成功",

モード="最大",

_func=_func、

inference_budget = 0.05、

optimization_budget=3、

num_samples=-1,

)

テストインスタンスの推論を実行する

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

これらのユースケースは、AutoGenが幅広い問題を解決するための幅広い適用性を示しており、開発者にとって貴重なツールとなっています。 まだそれを経験していない人は、公式によって提供されたインストール手順に従って、あなたは始めることができます。

参考リンク: