Как рассказали пользователи сети, с помощью AutoGen, чтобы выполнить задачу в будущем, пользователю нужно только дать требование, нажать enter, промежуточный процесс полностью игнорируется, и задача автоматически завершается.

Первоисточник: AIGC Open Community

Источник изображения: Generated by Unbounded AI

Проект, всего за две недели звездный скаляр увеличился с 390 до 10К, и привлек более 5 000 участников в Discord, таким популярным проектом является недавно выпущенный Microsoft новый инструмент AutoGen.

Мы можем думать о AutoGen как о фреймворке, который позволяет нескольким агентам LLM решать задачи через чат. Агенты LLM могут играть различные роли, такие как программист, дизайнер или комбинацию ролей, и процесс диалога решает эту задачу.

Мало того, AutoGen является настраиваемым, разговорным и позволяет взаимодействовать с человеком. AutoGen работает с LLM для выполнения задач, ввода данных человеком и комбинации инструментов.

Адрес проекта:

Пользователи, которые пользовались проектом, дали очень высокую оценку, сказав: «Дайте спрос, ударьте по возврату, промежуточный процесс совершенно небрежный...»

Другой пользователь сети сказал: «AutoGen помог мне сделать игру со змейкой за считанные секунды».

Итак, в чем же преимущества проектов, которым все аплодировали, а именно:

AutoGen упрощает создание приложений LLM нового поколения на основе диалоговых окон с несколькими агентами, оптимизируя рабочий процесс сложных LLM, максимизируя производительность моделей LLM и преодолевая их недостатки.

• AutoGen поддерживает несколько диалоговых режимов, поэтому разработчики могут создавать широкий спектр режимов разговора на основе AutoGen.
• AutoGen предлагает ряд рабочих систем различной сложности, охватывающих различные области и области применения.
• AutoGen предоставляет openai. Завершение или openai. Встраиваемая замена ChatCompletion в качестве API для расширенного вывода.

Кроме того, в проекте приведено много примеров, которые помогут вам лучше использовать AutoGen. Например, по словам одного из пользователей сети, предположим, что вы хотите внедрить краулер, сканировать и сохранять изображения веб-страниц. Если он реализован с помощью ChatGPT, он вернет код выполнения, как правило, код нельзя использовать напрямую, и требуются человеческие исправления. Однако, если вы дадите эту задачу AutoGen, вам нужно будет определить только несколько агентов для ее выполнения.

В следующем примере показано, что при использовании фреймворка AutoGen для решения математической задачи с помощью MathChat в выполняющемся коде появляется шаг построения агента и инициализирует его:

На следующей схеме показаны шесть примеров приложений, созданных с помощью AutoGen, включая решение математических задач, многоагентное кодирование, принятие решений в Интернете, чат с улучшенным извлечением, динамический групповой чат и разговорные шахматы.

AutoGen также помогает максимизировать полезность LLM, таких как ChatGPT и GPT-4. Как упоминалось ранее, AutoGen предоставляет openai. Завершение или openai. Прямая замена ChatCompletion, в которую добавлены дополнительные функции, такие как настройка, кэширование, обработка ошибок и шаблоны. Например, пользователи могут использовать свои собственные данные настройки для оптимизации того, что генерирует LLM в рамках бюджета.

выполнить тюнинг

config, analysis = autogen. Completion.tune (

data=tune_data,



metric="success",



mode="max",



_func=_func,



inference_budget=0.05,



optimization_budget=3,



num_samples=-1,

)

выполнить вывод для тестового экземпляра

response = autogen. Completion.create (context=test_instance, **config)

Эти сценарии использования демонстрируют широкую применимость AutoGen для решения широкого круга задач, что делает его ценным инструментом для разработчиков. Те, кто еще не испытал это на себе, в соответствии с шагами по установке, предоставленными официальным, могут приступить к работе.

Ссылка: