Como os internautas disseram, com a ajuda do AutoGen, para concluir uma tarefa no futuro, o usuário só precisa dar a demanda, acertar o enter, o processo intermediário é completamente ignorado e a tarefa é concluída automaticamente.

Fonte original: AIGC Open Community

Fonte da imagem: Gerado por Unbounded AI

Um projeto, em apenas duas semanas, o escalar estrela aumentou de 390 para 10K, e atraiu mais de 5.000 membros no Discord, um projeto tão popular é a nova ferramenta da Microsoft AutoGen.

Podemos pensar no AutoGen como uma estrutura que permite que vários agentes LLM resolvam tarefas via chat. Os agentes LLM podem desempenhar uma variedade de funções, como programador, designer ou uma combinação de funções, e o processo de diálogo resolve a tarefa.

Além disso, o AutoGen é personalizável, conversacional e permite o envolvimento humano. A AutoGen trabalha com LLM para tarefas, entrada humana e uma combinação de ferramentas.

Endereço do projeto:

Os usuários que utilizaram o projeto fizeram uma avaliação muito alta, dizendo: "Dê a demanda, acerte o retorno, o processo intermediário é completamente descuidado..."

Outro internauta disse: "AutoGen me ajudou a fazer um jogo de cobra em questão de segundos."

Então, quais são as vantagens dos projetos que todos aplaudiram, especificamente:

O AutoGen facilita a criação de aplicativos LLM de última geração com base em diálogos multiagentes, simplificando o fluxo de trabalho de LLMs complexos, maximizando o desempenho de modelos LLM e superando seus pontos fracos.

• AutoGen suporta vários modos de diálogo, para que os desenvolvedores possam construir uma ampla gama de modos de conversação com base em AutoGen.
• AutoGen oferece uma gama de sistemas de trabalho com complexidade variável, cobrindo diferentes campos e aplicações.
• AutoGen fornece openai. Conclusão ou openai. Um substituto drop-in para ChatCompletion como uma API para inferência aprimorada.

Além disso, muitos exemplos são dados no projeto para ajudá-lo a fazer melhor uso do AutoGen. Por exemplo, de acordo com um internauta, suponha que você queira implementar um rastreador e rastrear e salvar imagens de páginas da web. Se implementado com ChatGPT, ele retornará o código de execução, geralmente o código não pode ser usado diretamente, e correções humanas são necessárias. No entanto, se você der essa tarefa à AutoGen, você só precisará definir alguns agentes para realizá-la.

O exemplo a seguir mostra que, ao usar a estrutura AutoGen para resolver um problema de matemática usando o MathChat, a etapa de criação de um agente aparece no código em execução e o inicializa:

O diagrama a seguir mostra seis exemplos de aplicativos criados com o AutoGen, incluindo resolução de problemas matemáticos, codificação multiagente, tomada de decisão on-line, bate-papo aprimorado por recuperação, bate-papo dinâmico em grupo e xadrez conversacional.

AutoGen também ajuda a maximizar a utilidade de LLMs como ChatGPT e GPT-4. Como mencionado anteriormente, o AutoGen fornece openai. Conclusão ou openai. Um substituto drop-in para ChatCompletion, com mais recursos adicionados, como ajuste, cache, tratamento de erros e modelos. Por exemplo, os usuários podem usar seus próprios dados de ajuste para otimizar o que o LLM gera dentro do orçamento.

realizar ajuste

config, analysis = autogen. Completion.tune (

dados=tune_data,



metric="sucesso",



modo="max",



_func=_func,



inference_budget=0,05,



optimization_budget=3,



num_samples=-1,

)

executar inferência para uma instância de teste

resposta = autogénio. Completion.create (context=test_instance, **config)

Esses casos de uso demonstram a ampla aplicabilidade do AutoGen para resolver uma ampla gama de problemas, tornando-o uma ferramenta valiosa para desenvolvedores. Aqueles que ainda não experimentaram, de acordo com as etapas de instalação fornecidas pelo funcionário, você pode começar.

Link de referência: