碾压GPT-4，微软最强AutoGen爆火！多个智能体协作，编码速度飙升4倍，GitHub狂揽10k星( 二 ) _GPT-4

最上面的子图展示了AutoGen提供的内置智能体，有统一的对话界面，并且可以自定义。
中间的子图展示了使用AutoGen开发具有自定义回复功能的「双智能体系统」的示例。底部的子图展示了程序执行期间，「双智能体系统」产生的自动智能体聊天。
另外，多智能体应用可以是完全自主的，但也可以通过「user proxy agents」进行调节。
「user proxy agents」允许用户介入AI智能体之间的对话，来监督和控制他们的过程。在某种程度上，人类用户变成了监督多个人工智能团队的团队领导者。

文章插图
user agents适用于智能体框架必须做出敏感决策，并需要用户确认的应用程序，比如购买或发送电子邮件。
当智能体开始向错误的方向发展时，用户还可以帮其指引方向。例如，用户可以从最初的应用程序构想开始，在智能体的帮助下，在开始编写代码时逐步完善构想，添加或修改功能。
AutoGen的模块化架构，还允许开发人员创建可重复使用的通用组件，这些组件可以组合在一起，快速构建自定义应用程序。
有了多个AutoGen智能体，就可以协作完成复杂的任务。
假如你需要编写特定任务的代码，直接交给「编码助理智能体」。
对于用多个智能体编码的整个流程框架如下。

文章插图
它可以生成并返回代码，然后user agents可以使用代码执行模块对代码进行验证。
然后，两个人工智能智能体可以一起排除代码故障，并生成最终的可执行版本，人类用户可以在任何时候打断或提供反馈。
这种协作方法可以显著提高效率。微软称，AutoGen可以将编码速度提高多达4倍。

文章插图
此外，AutoGen还支持更复杂的场景和架构，比如LLM智能体的分层排列。
再比如，「群组聊天管理智能体」可以控制多个人类用户和LLM智能体之间的对话，并根据一系列规则在它们之间传递信息。

文章插图
最后，研究人员还拿当前流行的智能体进行了对比，AutoGen的优势在于能够构建基础设施，允许灵活的对话模式，能够执行LLM生成的代码。
甚至，还可以让人工参与系统的执行过程。
项目作者
Chi Wang是这项研究的通讯作者，现任微软研究院首席研究员，目前的研究重点是LLMOps 。
除了创建AutoGen开源库，他也创建了一个用于自动机器学习和调整的快速库FLAML，在微软内外被广泛使用，例如在Azure、Microsoft 365、Microsoft Fabric和Visual Studio中。
他曾在伊利诺伊大学香槟分校（UIUC）计算机科学系取得了博士学位，并在2015年获得SIGKDD数据科学/数据挖掘博士论文奖。
他曾在清华获得计算机科学学士学位。

文章插图
网友上手体验
【碾压GPT-4，微软最强AutoGen爆火！多个智能体协作，编码速度飙升4倍，GitHub狂揽10k星】有网友通过AutoGen创建了一个「博客写作智能体」，并且还没有超过GPT4的最大/最小token限制。
它们大部分时间都在闲逛，聊着计划......AGI成真。