当前位置：首页 > news >正文

DataWhale组队学习 wow-agent task4

news 来源：原创 2025/4/27 16:30:02

整体概念总结

智能体的实现方法

安装与配置：安装和配置MetaGPT，包括Python环境的准备、MetaGPT的安装（通过pip或git拉取代码），以及配置大模型API（如智谱、科大讯飞、百度千帆等）。
单动作单智能体：我们通过定义简单的动作（如写唐诗、写代码）和角色（如SimpleCoder），实现了一个能够执行单一任务的智能体。
多动作单智能体：通过组合多个动作（如写代码和运行代码），我们实现了一个能够执行复杂任务的智能体（如RunnableCoder）。
多智能体系统：通过模拟辩论场景（辩论智能体为例），我们展示了如何设计多个智能体并促进它们之间的互动，帮助我们在实际工作中做出更好的决策。

代码解析与核心逻辑

动作（Action）：动作是智能体执行任务的基本单元。通过定义Action类，我们可以让智能体执行特定的任务。例如，SimpleWriteCode动作可以让智能体根据自然语言描述生成代码。
角色（Role）：角色是智能体的抽象，它包含了智能体的名称、配置文件、动作和记忆。通过定义Role类，我们可以为智能体配备特定的动作，并定义其行为逻辑。例如，SimpleCoder角色配备了SimpleWriteCode动作，能够根据用户指令生成代码。
多智能体交互：在多智能体系统中，智能体之间通过消息进行通信。通过定义Debator角色和SpeakAloud动作，我们模拟了正方和反方之间的辩论过程。每个智能体根据对方的论点进行反驳，并通过消息传递进行交互。

核心代码解释

动作定义：这段代码定义了一个SimpleWriteCode动作，它根据用户指令生成Python代码，并返回代码文本。

class SimpleWriteCode(Action):
    PROMPT_TEMPLATE: str = """
    Write a python function that can {instruction} and provide two runnnable test cases.
    Return ```python your_code_here ```with NO other texts,
    your code:
    """

    async def run(self, instruction: str):
        prompt = self.PROMPT_TEMPLATE.format(instruction=instruction)
        rsp = await self._aask(prompt)
        code_text = SimpleWriteCode.parse_code(rsp)
        return code_text

角色定义：这段代码定义了一个SimpleCoder角色，它配备了SimpleWriteCode动作，能够根据用户指令生成代码并返回结果。

class SimpleCoder(Role):
    name: str = "Alice"
    profile: str = "SimpleCoder"

    def __init__(self, **kwargs):
        super().__init__(**kwargs)
        self.set_actions([SimpleWriteCode])

    async def _act(self) -> Message:
        msg = self.get_memories(k=1)[0]
        code_text = await self.rc.todo.run(msg.content)
        return Message(content=code_text, role=self.profile, cause_by=type(self.rc.todo))

多智能体交互：这段代码定义了一个Debator角色，它配备了SpeakAloud动作，能够根据对方的论点进行反驳，并通过消息传递进行交互。

class Debator(Role):
    name: str = ""
    profile: str = ""
    opponent_name: str = ""

    def __init__(self, **data: Any):
        super().__init__(**data)
        self.set_actions([SpeakAloud])
        self._watch([UserRequirement, SpeakAloud])

    async def _act(self) -> Message:
        memories = self.get_memories()
        context = "\n".join(f"{msg.sent_from}: {msg.content}" for msg in memories)
        rsp = await self.rc.todo.run(context=context, name=self.name, opponent_name=self.opponent_name)
        return Message(content=rsp, role=self.profile, cause_by=type(self.rc.todo), sent_from=self.name, send_to=self.opponent_name)