江苏龙网

  1. 主页 > 生活百科 > >

智能决策新纪元：使用AutoGen分析金融数据( 二 )

AutoGen


思路整理在开始实现上述功能之前，先让我们把参与者和流程整理一下，如下图所示：
AutoGen处理股票数据比较的过程，有用户、用户代理、用户助手三个参与者 。用户负责提出问题 。用户代理由AutoGen的对象扮演，它负责理解用户提出的问题，并向用户助手发出命令，如果在执行过程中用户助手遇到问题，用户代理需要对其进行解释 。用户助手负责拿出解决方案，生成执行代码，同时还需要评估代码的正确性 。最终，将执行的代码交给用户代理执行 。
流程的步骤如下：

  • 用户提出问题 ， 需要将股票的比较信息通过画图的方式展示出来 。
  • 用户助手收到问题后，进行理解和解释 ， 随后判断问题的性质，并且转交给用户助手进行执行 。
  • 用户助手采取相应的处理措施，按照得到的方案生成执行任务，在模拟代码执行的时候发现问题 。
  • 针对问题，用户助手进行自我修复 ， 再次模拟执行代码 。在代码通过执行之后 ， 将其交给用户代理执行 。
  • 用户代理执行代码之后，将结果返回给用户 。

智能决策新纪元：使用AutoGen分析金融数据

文章插图
股票比较流程图
代码编写清楚流程之后我们来看看代码，如下：
# 导入autogen模块 。这个模块可能是一个自动生成某些配置的库 。import autogen# 使用autogen模块中的config_list_from_json函数 。# 此函数的作用是从一个JSON格式的配置文件中创建配置列表 。config_list = autogen.config_list_from_json(# 第一个参数是JSON配置文件的名称，这里指定的是"OAI_CONFIG_LIST.json" 。# 这个JSON文件包含了一些配置数据 。"OAI_CONFIG_LIST.json",# 第二个参数是一个字典，它用于过滤配置文件中的内容 。# 这里的字典指定了只选择模型为"GPT-4"的配置 。filter_dict={"model": ["gpt-4"],},)这段代码用于导入AutoGen 的模块并调用其中的 config_list_from_json 函数加载与大模型相关的配置信息 。下面按照要求进行解释：
1. 导入模块：
import autogen：导入名为 autogen 的Python/ target=_blank class=infotextkey>Python模块 。这个模块的具体功能未在代码中说明，但根据名称推测 ， 它可能与自动生成配置或代码有关 。
2. 函数调用：
config_list_from_json 函数从JSON文件中读取配置，并根据提供的过滤条件生成一个配置列表 。
过滤字典：
3. filter_dict：用于过滤JSON文件中的内容 。在这个例子中，它指定了["gpt-4"] 作为AutoGen要使用的模型 。
接下来看看 OAI_CONFIG_LIST.json文件长什么样子 。文件包含了一个JSON数组，每个元素是一个JSON对象，代表一个API配置 。这个文件可能被用于存储不同API环境的配置信息 ， 如API密钥和基础URL 。
[{#大模型的名字'model': 'gpt-4',#对应的API的Key'api_key': '<your OpenAI API key here>',},{'model': 'gpt-4','api_key': '<your Azure OpenAI API key here>','base_url': '<your Azure OpenAI API base here>','api_type': 'azure','api_version': '2023-06-01-preview',},{'model': 'gpt-4-32k','api_key': '<your Azure OpenAI API key here>','base_url': '<your Azure OpenAI API base here>','api_type': 'azure','api_version': '2023-06-01-preview',},]接着重头戏上演 ， 我们创建了两个对象：assistant 和 user_proxy 。它们用来创建用户代理和用户助手 。用于模拟用户代理和用户助手之间的交互 。下面是对代码的逐行解释：
1.创建用户助手 (assistant)
# 创建一个名为'assistant'的AssistantAgent对象，这个对象可能代表一个智能助手 。assistant = autogen.AssistantAgent(name="assistant",# 名字属性被设置为'assistant' 。llm_config={# llm_config是一个字典，用于配置助手的行为 。"cache_seed": 42,# 'cache_seed'可能用于初始化随机数生成器，以保持结果的一致性 。"config_list": config_list,# 'config_list'是之前从JSON文件中得到的配置列表 。"temperature": 0,# 'temperature'设置为0，可能用于控制生成内容时的随机性或创造性 。},)2.创建用户代理 (user_proxy)
# 创建一个名为'user_proxy'的UserProxyAgent对象，这个对象可能代表一个用户界面或代理 。user_proxy = autogen.UserProxyAgent(name="user_proxy",# 名字属性被设置为'user_proxy' 。human_input_mode="NEVER",# 'human_input_mode'被设置为'NEVER'，表明不预期会有来自真人的输入 。max_consecutive_auto_reply=10,# 'max_consecutive_auto_reply'设定在需要用户输入而没有输入时，自动回复的最大次数 。is_termination_msg=lambda x: x.get("content", "").rstrip().endswith("TERMINATE"),# 'is_termination_msg'是一个函数，用于判断消息内容是否表示终止对话 。code_execution_config={# 'code_execution_config'配置代码执行的环境 。"work_dir": "coding",# 'work_dir'设定工作目录为'coding' 。"use_Docker": False,# 'use_docker'表明在执行代码时不使用Docker容器 。},)


推荐阅读


上一篇：Oracle软件在主机平台的应用

下一篇：Linux中Awk命令的五个常见用法