AGI2404期基于AutoGen实现多智能体对话机器人----林希老师 #616

New Issue

11735802362cs · 2025-03-12T23:29:57+08:00

11735802362cs commented

2025-03-12 23:29:57 +08:00

问题1：
复现本课程案例过程中，发现程序正常执行，但是不停的报警告：WARNING - Model glm-4-plus is not found.
提示：模型没有找到，这是为何？

问题2：
这种基于autogen多智能体协作应用，与另一个目前在LangGraph 和国产框架 “Agently Workflow” 应用的比较流行的“工作流” 概念在使用场景和定位上有何区别呢？

问题1：复现本课程案例过程中，发现程序正常执行，但是不停的报警告：WARNING - Model glm-4-plus is not found. 提示：模型没有找到，这是为何？问题2：这种基于autogen多智能体协作应用，与另一个目前在LangGraph 和国产框架 “Agently Workflow” 应用的比较流行的“工作流” 概念在使用场景和定位上有何区别呢？

123.png

45 KiB

12019701659cs commented

2025-03-14 19:23:41 +08:00

问题1：某个请求没请求上，会重新请求
问题2：参考：
Autogen 强调多智能体之间的对话和协作。它的目标是让多个具有不同角色和能力的智能体（agents）能够相互交流、协商、委派任务，从而共同解决复杂的问题。
LangGraph 专注于构建具有结构化工作流程的对话式智能体。它将对话过程视为一个状态图，允许开发者定义不同的状态以及状态之间的转换逻辑。
Agently Workflow 允许在工作流程中定义“Agent 节点”，通过集成不同的推理策略，使大语言模型能够在运行时动态选择并执行工具，从而实现多步骤推理。

问题1：某个请求没请求上，会重新请求问题2：参考： Autogen 强调多智能体之间的对话和协作。它的目标是让多个具有不同角色和能力的智能体（agents）能够相互交流、协商、委派任务，从而共同解决复杂的问题。 LangGraph 专注于构建具有结构化工作流程的对话式智能体。它将对话过程视为一个状态图，允许开发者定义不同的状态以及状态之间的转换逻辑。 Agently Workflow 允许在工作流程中定义“Agent 节点”，通过集成不同的推理策略，使大语言模型能够在运行时动态选择并执行工具，从而实现多步骤推理。

Sign in to join this conversation.