Như cư dân mạng đã nói, với sự trợ giúp của AutoGen, để hoàn thành một nhiệm vụ trong tương lai, người dùng chỉ cần đưa ra nhu cầu, nhấn enter, quá trình trung gian hoàn toàn bị bỏ qua và nhiệm vụ sẽ tự động hoàn thành.

Nguồn gốc: Cộng đồng mở AIGC

Nguồn hình ảnh: Được tạo bởi Unbounded AI

Một dự án, chỉ trong hai tuần, vô hướng ngôi sao đã tăng từ 390 lên 10K và thu hút hơn 5.000 thành viên trên Discord, một dự án phổ biến như vậy là công cụ mới được phát hành gần đây của Microsoft AutoGen.

Chúng ta có thể nghĩ về AutoGen như một khuôn khổ cho phép nhiều tác nhân LLM giải quyết các tác vụ thông qua trò chuyện. Các đại lý LLM có thể đóng nhiều vai trò khác nhau, chẳng hạn như lập trình viên, nhà thiết kế hoặc kết hợp các vai trò và quá trình đối thoại giải quyết nhiệm vụ.

Không chỉ vậy, AutoGen có thể tùy chỉnh, trò chuyện và cho phép sự tham gia của con người. AutoGen hoạt động với LLM cho các tác vụ, đầu vào của con người và kết hợp các công cụ.

Địa chỉ dự án:

Người dùng đã sử dụng dự án đã đánh giá rất cao, nói: "Đưa ra nhu cầu, đánh lợi nhuận, quá trình trung gian hoàn toàn bất cẩn..."

Một cư dân mạng khác nói: "AutoGen đã giúp tôi tạo ra một trò chơi rắn chỉ trong vài giây."

Vậy đâu là những ưu điểm của các dự án mà mọi người đều tán thưởng, cụ thể:

AutoGen giúp dễ dàng xây dựng các ứng dụng LLM thế hệ tiếp theo dựa trên các hộp thoại đa tác nhân, hợp lý hóa quy trình làm việc của các LLM phức tạp, tối đa hóa hiệu suất của các mô hình LLM và khắc phục điểm yếu của chúng.

• AutoGen hỗ trợ nhiều chế độ hộp thoại, vì vậy các nhà phát triển có thể xây dựng một loạt các chế độ hội thoại dựa trên AutoGen.
• AutoGen cung cấp một loạt các hệ thống làm việc với độ phức tạp khác nhau, bao gồm các lĩnh vực và ứng dụng khác nhau.
• AutoGen cung cấp openai. Hoàn thành hoặc openai. Một sự thay thế thả vào cho ChatCompletion dưới dạng API để suy luận nâng cao.

Ngoài ra, nhiều ví dụ được đưa ra trong dự án để giúp bạn sử dụng AutoGen tốt hơn. Ví dụ, theo một cư dân mạng, giả sử bạn muốn triển khai trình thu thập thông tin và thu thập dữ liệu và lưu hình ảnh của các trang web. Nếu triển khai với ChatGPT, nó sẽ trả về mã thực thi, nói chung mã không thể được sử dụng trực tiếp và cần phải chỉnh sửa của con người. Tuy nhiên, nếu bạn giao nhiệm vụ này cho AutoGen, bạn chỉ cần xác định một vài tác nhân để đạt được nó.

Ví dụ sau đây cho thấy rằng khi sử dụng khung AutoGen để giải quyết một vấn đề toán học bằng MathChat, bước xây dựng một tác nhân xuất hiện trong mã đang chạy và khởi tạo nó:

Sơ đồ sau đây cho thấy sáu ví dụ về các ứng dụng được xây dựng bằng AutoGen, bao gồm giải quyết vấn đề toán học, mã hóa đa tác nhân, ra quyết định trực tuyến, trò chuyện nâng cao truy xuất, trò chuyện nhóm động và cờ vua đàm thoại.

AutoGen cũng giúp tối đa hóa tiện ích của các LLM như ChatGPT và GPT-4. Như đã đề cập trước đó, AutoGen cung cấp openai. Hoàn thành hoặc openai. Một sự thay thế thả vào cho ChatCompletion, với nhiều tính năng được thêm vào như điều chỉnh, bộ nhớ đệm, xử lý lỗi và mẫu. Ví dụ: người dùng có thể sử dụng dữ liệu điều chỉnh của riêng họ để tối ưu hóa những gì LLM tạo ra trong phạm vi ngân sách.

thực hiện điều chỉnh

cấu hình, phân tích = autogen. Completion.tune (

dữ liệu = tune_data,



metric="thành công",



chế độ = "tối đa",



_func=_func,



inference_budget=0,05,



optimization_budget=3,



num_samples=-1,

)

Thực hiện suy luận cho một phiên bản kiểm thử

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

Những trường hợp sử dụng này chứng minh khả năng ứng dụng rộng rãi của AutoGen để giải quyết một loạt các vấn đề, làm cho nó trở thành một công cụ có giá trị cho các nhà phát triển. Những người chưa trải nghiệm nó, theo các bước cài đặt do quan chức cung cấp, bạn có thể bắt đầu.

Link tham khảo: