由微软开发的 Autogen 是一个新的 Agents 项目，刚一上线就登上GitHub热榜，狂揽11k星✨✨✨
项目地址：https://github.com/microsoft/autogen
Autogen 允许你根据需要创建任意数量的Agents，并让它们协同工作以执行任务。它的独特之处在于允许 Agent相互通信并解决任务。例如你可以设置三个角色，产品经理、程序员和设计师，让他们之间讨论如何实现一个产品，并给出 Demo 代码。
不需要写复杂的prompt设定Agents，Agent 自己聊着天就把事给办了🤯
诞生了哪些好玩的AutoGen应用？
几秒钟生成游戏
模拟世界：允许用户阅读时自己参与与主角交互
可视化数据分析
除此之外，官方还放出了6个应用案例，包括解决数学问题、多智能体编码、在线决策制定、基于检索增强聊天、动态群聊以及对话式国际象棋。
充分展示了AutoGen的定制性
主要优势
作为Agents框架，AutoGen有四个重要的优点：
-
它简化了复杂LLM工作流程的编排，实现了自动化。
-
借助可自定义和可对话的代理，它支持复杂工作流程下的对话模式。
-
它提供了具有不同复杂性的工作系统的集合。这些系统涵盖了来自各个领域和复杂性的广泛应用。
-
AutoGen 提供了 openai.Completion 或 openai.ChatCompletion 的高级替代。作为增强型推理 API。
-
它允许性能调优，API统一和缓存等实用程序，以及高级使用模式，如错误处理，多配置推理，上下文编程等。
AutoGen 由 Microsoft、宾夕法尼亚州立大学和华盛顿大学的合作研究提供支持，对后续的更新又加了一层保障。
快速入门
这里我打算给大家介绍最简单方法🚀
-
点击使用 Github 代码空间 https://codespaces.new/microsoft/autogen?quickstart=1
-
打开界面后将左侧文件夹当中的 OAI_CONFIG_LIST_sample 复制到 /notebook 文件夹
-
将OAI_CONFIG_LIST_sample名字修成 OAI_CONFIG_LIST，并设置正确的配置（主要是gpt api-key的设置）。
-
开始使用
当然你可以通过pip install pyautogen直接在本地安装，配合docker使用快速开发你的autogen应用
实战案例
这里我们用 @Barret_China 大佬的实战案例来进行进一步说明
如何定义让AutoGen完成网页抓取和图片保存任务呢？
这个任务如果是给ChatGPT的话，它会直接返回一串可执行代码，但是代码通常会存在问题，例如执行报错、缺少依赖等，你需要反复跟 ChatGPT 对话来完善程序。
当然，我们也可以设定一个复杂 Prompt，要求它调用 ChatGPT 的代码执行插件，如果存在报错，则继续修正程序。
这个任务如果交给 AutoGen 来实现，将会变得无比简单，几行代码就可以搞定：
1）定义一个 Assistant Agent，它的任务是解决问题。
2）定义一个 UserProxy Agent，它的任务是替代人询问问题，同时在本地执行程序。
这两个 Agent 都不需要设置 Prompt！
AutoGen - 获取十佳公司的实例
-
step1 当我们把爬虫任务交给 UserProxy 后，它会理解任务，然后询问 Assistant 应该如何做。
-
step2 Assistant 会把操作过程告诉 UserProxy，接着UserProxy会根据指示在本地安装依赖，然后创建文件。
-
执行代码，如果执行出现错误，它会把详细报错提交给 Assistant，
-
step3 依次循环，直到可以获取到最终的结果。
任务结束的时候，你会看到目标图片已经保存到本地磁盘了。
另外，UserProxy 还有一个 human_input_mode 参数，设置为 NEVER，表示整个过程都不需要人参与，也可以设置为其他值，它会等待人的输入后再进行下一步操作，这个设计可以让人参与到任务执行过程，避免跑偏。
比起让一个 AI Agent 承担多重角色来执行复杂任务，多 Agents 的优势十分突出。借助AutoGen，在执行过程中人类还可以随时介入，进行调优。
技术报告
最后附上，研究人员发布的一份关于AutoGen的43页技术报告！
报告地址：https://arxiv.org/pdf/2308.08155.pdf
