Як розповіли користувачі мережі, за допомогою AutoGen для виконання завдання в майбутньому користувачеві потрібно лише дати вимогу, натиснути на вхід, проміжний процес повністю ігнорується, і завдання автоматично завершується.

Першоджерело: AIGC Open Community

Джерело зображення: Створено Unbounded AI

Проект, всього за два тижні зоряний скаляр збільшився з 390 до 10К, і залучив понад 5 000 учасників на Discord, таким популярним проектом є нещодавно випущений новий інструмент Microsoft AutoGen.

Ми можемо думати про AutoGen як про фреймворк, який дозволяє кільком агентам LLM вирішувати завдання за допомогою чату. Агенти LLM можуть грати різні ролі, такі як програміст, дизайнер або комбінація ролей, і процес діалогу вирішує завдання.

Мало того, AutoGen налаштовується, розмовляє та дозволяє залучати людей. AutoGen працює з LLM для виконання завдань, людського втручання та комбінації інструментів.

Адреса проекту:

Користувачі, які скористалися проектом, дали дуже високу оцінку, сказавши: «Дайте попит, потрапите в повернення, проміжний процес абсолютно недбалий...»

Інший користувач мережі сказав: "AutoGen допоміг мені зробити гру зі змійкою за лічені секунди".

Отже, які переваги проєктів, яким усі аплодували, зокрема:

AutoGen дозволяє легко створювати LLM-додатки наступного покоління на основі багатоагентних діалогових вікон, оптимізуючи робочий процес складних LLM, максимізуючи продуктивність моделей LLM і долаючи їх слабкі місця.

• AutoGen підтримує кілька діалогових режимів, тому розробники можуть створювати широкий спектр режимів розмови на основі AutoGen.
• AutoGen пропонує ряд робочих систем різної складності, що охоплюють різні сфери та застосування.
• AutoGen надає openai. Завершення або openai. Заміна ChatCompletion як API для розширеного логічного висновку.

Крім того, в проекті наводиться багато прикладів, які допоможуть вам краще використовувати AutoGen. Наприклад, за словами одного користувача мережі, припустимо, що ви хочете впровадити сканер і сканувати та зберігати зображення веб-сторінок. Якщо його реалізувати за допомогою ChatGPT, він поверне код виконання, як правило, код не можна використовувати безпосередньо, і потрібні виправлення людиною. Однак, якщо ви дасте це завдання AutoGen, вам потрібно буде визначити лише кілька агентів для його досягнення.

Наступний приклад показує, що при використанні фреймворку AutoGen для вирішення математичної задачі за допомогою MathChat крок створення агента з'являється в запущеному коді та ініціалізує його:

На наступній діаграмі показано шість прикладів програм, створених за допомогою AutoGen, включаючи розв'язування математичних задач, кодування кількох агентів, прийняття рішень в Інтернеті, чат із розширеним пошуком, динамічний груповий чат і розмовні шахи.

AutoGen також допомагає максимізувати корисність LLM, таких як ChatGPT і GPT-4. Як вже говорилося раніше, AutoGen надає openai. Завершення або openai. Заміна ChatCompletion з додатковими функціями, такими як налаштування, кешування, обробка помилок і шаблони. Наприклад, користувачі можуть використовувати власні дані налаштування, щоб оптимізувати те, що генерує LLM у межах бюджету.

виконуємо настройку

config, analysis = autogen. Completion.tune (

data=tune_data,



metric="успіх",



mode="макс",



_func=_func,



inference_budget=0,05,



optimization_budget=3,



num_samples=-1,

)

виконати висновок для тестового екземпляра

відповідь = аутоген. Completion.create (context=test_instance, **config)

Ці варіанти використання демонструють широку застосовність AutoGen для вирішення широкого кола проблем, що робить його цінним інструментом для розробників. Тим, хто ще не стикався з цим, згідно з етапами установки, наданими чиновником, можна приступати до роботи.

Посилання на джерело: