AutoGen
AutoGen是一个多Agent系统，用于简化和优化大规模语言模型（LLM）的工作流程，通过可定制和可对话的代理，自动化任务执行和解决方案生成。
AutoGen特点[ ]
AutoGen的特点在于其能够整合多个功能代理（agents），这些代理可以是AI模型、人类用户或工具，它们之间通过对话协作完成任务。这种设计允许灵活地配置代理以适应不同的需求场景，例如解决数学问题、执行代码、进行数据分析等。
AutoGen框架[ ]
AutoGen框架的核心是通用的ConversableAgent类，它定义了代理的基本属性和行为。一个代理可以与其他代理通信、发送消息并共同解决问题。其中，AssistantAgent和UserProxyAgent是两个代表性的子类，分别承担助手和用户角色。
AutoGen功能[ ]
多代理会话框架[ ]
AutoGen的多代理会话框架为开发者提供了一种高级抽象，使构建基于LLM的工作流程变得更加便捷。这种框架允许定义不同角色的代理，并编写它们之间的交互行为。例如，在示例代码中，可以创建程序员代理和高管代理，通过自然语言定义它们的行为。这种多代理框架简化了复杂工作流程的设计和实施，帮助开发者自动化和优化任务执行。
对话模式编写[ ]
AutoGen还提供了灵活的对话模式编写功能，使开发人员可以使用自然语言和计算机代码来编写应用程序的对话模式。这意味着开发人员可以定制代理之间的聊天内容，让它们根据人工反馈或自主地共同执行任务。这种方法不仅提高了开发效率，还使得非专业程序员也能参与到复杂应用程序的开发过程中。
增强型LLM推理API[ ]
AutoGen还引入了增强型LLM推理API，用于提高推理性能并降低成本。这些API提供了直接替代openai.Completion或openai.ChatCompletion的功能，支持性能调优、缓存以及其他高级使用模式，如错误处理和多配置推理。例如，可以使用自定义的调优数据和成功指标，通过LLM优化生成结果。
AutoGen用途[ ]
在实际应用中，AutoGen可以创建多个代理实例，如在开学典礼场景中，AssistantAgent扮演John，而UserProxyAgent扮演Andy来建立对话和友。对于更复杂的数学问题，MathUserProxyAgent会采用逐步解题的方法，与AssistantAgent合作验证计算结果。