HswOAuth/llm_share
3
0
Fork 0
Code Issues 90 Pull Requests Actions Packages Projects Releases Wiki Activity

24-11-07 多智能体协同代码生成作业 #58

New Issue
Open
opened 2025-01-02 16:37:51 +08:00 by 11389216958cs · 0 comments
11389216958cs commented 2025-01-02 16:37:51 +08:00
Copy Link

多个智能体可以协同完成任务，这个在上节课11.5 就测试过了，本节课比较特殊的是，autogen的 code_executor，它可以利用当前环境执行 llm生成的python代码。我测试过很多场景，比如让 多智能体查询当前天气并且指定出游计划，llm assitantAgent会按照它自己的思路去查找 天气查询的api，然后写python代码去调用这个api，获得当前天气，并且告知userProxyAgent 执行这段代码，然后userProxyAgent 将执行的结果返回给 assitantAgent。 当然代码执行起来可能会有问题，毕竟不是每个llm都擅长写代码。我用 glm-4-plus测试的结果是，不理想。一个简单的天气查询都得不到正确的结果。

本节课还有另外的收获就是，autoGen还支持 functionCalling tools调用，并且支持 外部知识库检索增强 rag。并且支持将 userProxyAgent的人类交互模式设置为always之后，还能让用户也参与对话交互，随时提出自己的问题。

具体执行过程见附件的pdf

多个智能体可以协同完成任务，这个在上节课11.5 就测试过了，本节课比较特殊的是，autogen的 code_executor，它可以利用当前环境执行 llm生成的python代码。我测试过很多场景，比如让 多智能体查询当前天气并且指定出游计划，llm assitantAgent会按照它自己的思路去查找 天气查询的api，然后写python代码去调用这个api，获得当前天气，并且告知userProxyAgent 执行这段代码，然后userProxyAgent 将执行的结果返回给 assitantAgent。 当然代码执行起来可能会有问题，毕竟不是每个llm都擅长写代码。我用 glm-4-plus测试的结果是，不理想。一个简单的天气查询都得不到正确的结果。 本节课还有另外的收获就是，autoGen还支持 functionCalling tools调用，并且支持 外部知识库检索增强 rag。并且支持将 userProxyAgent的人类交互模式设置为always之后，还能让用户也参与对话交互，随时提出自己的问题。 具体执行过程见附件的pdf
autoGen强化实践训练作业.pdf
470 KiB
Sign in to join this conversation.
No Branch/Tag Specified
Branches Tags
Labels
Clear labels
No items
No Label
Milestone
Clear milestone
No items
No Milestone
Projects
Clear projects
No project
Assignees
Clear assignees
No Assignees
1 Participants
Notifications
Due Date
The due date is invalid or out of range. Please use the format 'yyyy-mm-dd'.

No due date set.

Dependencies

No dependencies set.

Reference: HswOAuth/llm_share#58
No description provided.
Delete Branch "%!s()"

Deleting a branch is permanent. Although the deleted branch may continue to exist for a short time before it actually gets removed, it CANNOT be undone in most cases. Continue?