一個項目，用了短短兩個星期的時間，星標量從 390 狂增到 10K，并在 Discord 上吸引了 5000 多名成員，如此爆火的項目便是微軟最近發布的全新工具 AutoGen。

我們可以將 AutoGen 理解為一個框架，其允許多個 LLM 智能體通過聊天來解決任務。LLM 智能體可以扮演各種角色，如程序員、設計師，或者是各種角色的組合，對話過程就把任務解決了。

不僅如此，AutoGen 是可定制的、可對話的，并且允許人類參與。AutoGen 的運作方式包括借助 LLM 完成任務、人類輸入和各種工具的相互組合。

項目地址：https://github.com/microsoft/autogen

有用過該項目的用戶給與了極高的評價，表示道：「給出需求，敲下回車，中間過程完全不用管……」

還有網友表示：「AutoGen 在幾秒鐘內幫我制作了一個貪吃蛇游戲」。

那么大家紛紛叫好的項目，到底有哪些優點呢，具體來說：

• AutoGen 基于多智能體對話可以輕松構建下一代 LLM 應用程序，它簡化了復雜 LLM 的工作流程，最大限度地提高了 LLM 模型的性能并克服了它們的弱點。
• AutoGen 支持多種對話模式，因而開發人員基于 AutoGen 可以構建廣泛的對話模式。
• AutoGen 提供了一系列具有不同復雜性的工作系統，不同領域和各種應用都包含在內。
• AutoGen 提供了 openai.Completion 或 openai.ChatCompletion 的直接替代，作為增強推理的 API。

另外，項目中也給出了許多示例來幫助大家更好的運用 AutoGen。舉例來說，根據一位網友的說法，假如想要實現一個爬蟲程序，并且抓取并保存網頁圖片。用 ChatGPT 來實現的話，會返回執行代碼，一般來說代碼不能直接使用，需要人類進行修正。但是，如果將這個任務交給 AutoGen，你只需要定義幾個智能體就可以實現了。

如下示例展示了借助 AutoGen 框架，使用 MathChat 解決數學問題時，運行代碼中出現了構建智能體這一步驟，并對其進行了初始化：

下圖顯示了使用 AutoGen 構建的六個應用程序示例，包括數學問題解決、多智能體編碼、在線決策制定、檢索增強聊天、動態群聊以及對話式國際象棋。

AutoGen 還有助于最大限度地提高 ChatGPT 和 GPT-4 等 LLM 的效用。就如前面提到的，AutoGen 提供了 openai.Completion 或 openai.ChatCompletion 的直接替代，還添加了更多功能，如調優、緩存、錯誤處理和模板。例如，用戶可以使用自己的調優數據，在預算范圍內來優化 LLM 的生成內容。

# perform tuning
config, analysis = autogen.Completion.tune (
    data=tune_data,
    metric="success",
    mode="max",
    eval_func=eval_func,
    inference_budget=0.05,
    optimization_budget=3,
    num_samples=-1,
)
# perform inference for a test instance
response = autogen.Completion.create (cnotallow=test_instance, **config)

以上這些用例顯示了 AutoGen 在解決各種問題上的廣泛適用性，使其成為開發者的寶貴工具。還沒體驗的小伙伴，根據官方提供的安裝步驟，可以上手一試了。