AutoGen实战应用-EW帮帮网

+代码生成、执行和调试

0、前言（自己做的笔记，方便自己理解，可以忽略）

==================================================================
1.什么是Agent?
2.Agent和大模型的关系

1.大模型本质就是一个很大的深度学习模型(理解数据特征)
模型只具备感知层能力，无逻辑判断能力
大模型数据非常大，文本过大，训练出现交叠，出现幻觉
用户提问包含较复杂的逻辑时候，大模型无法给到满意答复，因为无法判断。
在大模型架构中接入Agent来进行判断，来解决幻觉问题。
用户提出需求后，交给中间的代理 Agent，Agent分解用户需求，指定需求分解后新的标准，
将分解的续期交给大模型去执行，大模型给出执行结果交给Agent判断（对结果评分）是否符合逻辑判断
如果不符合则再次交给大模型执行，如果符合将结果给用户输出。

还不够好、有不实信息、存在偏见歧视、与问题无关
内容不准确、错误的价值观导向、侵犯他人权益、不我要吐槽

提示词最好给一个案例；

Agent仅能评判特征的价值，Agent是不需要训练的，因为Agent只是一个算法(贝尔曼方程-即价值最大化)而已
所谓的训练Agent，指的是训练Agent背后的模型，即特征提取器
Agent不具备数据的理解能力，因为背后是一个模型
Agent是用来做决策的。

例如：输入文本--Agent背后的模型(Agent大脑)将文本转化为特征-

2.Agent来源于强化学习(AI的分支)
1.图像
2.语音
3.自然语义
4.强化学习
1-3解决的是感知层问题（让计算机理解人类社会中的真实数据）
4 研究的是逻辑问题（人类为啥会产生各种行为）-- 价值问题

3.工作流：将工作流程化
例如：
甲方：要求帮助开发一款线上小程序（前端页面、后端管理）
乙方：进行任务拆解（前端开发需求和后端开发需求）
任务下发：给前端部门和后端部门
前端部门：部门经理--管理小组1、2、3-小组1、2、3分别完成不同需求部分1、2、3
后端部门：部门经理--管理小组1、2、3-小组1、2、3分别完成不同需求部分1、2、3
===========================================
| 任务下发 |
==========================================
| 前端部门 | 后端部门 |
| 部门经理(管理者） | 部门经理(管理者) |
--------------------------------------------
| 小组1:需求1 | 小组1:需求1 |
| 小组2:需求2 | 小组2:需求2 |
| 小组3:需求3 | 小组3:需求3 |
===========================================

1、AutoGen简介

AutoGen Studio是一个开发框架，专注于自动化代码生成及辅助智能应用开发。它旨在通过集成先进的自动化工具和利用AI技术来加速软件开发流程，提高开发效率，并减少人为错误。

2、AutoGen的安装

前提：安装python环境，版本为 python3.11
在python环境下，执行下面代码进行安装，如下图所示

pip install autogenstudio==0.1.5 -i https://mirrors.aliyun.com/pypi/simple

3、AutoGen的启动

在python环境下，执行下面代码进行启动：

autogenstudio ui --port 8081

参数说明：

--host <host> : 指定host地址，默认为 localhost ；
--port <port> : 指定端口号，默认为8080 ；
--reload : 当代码发生改变时，服务器自动重新加载，默认不自动加载；
--appdir <appdir> : 指定文件存放位置（如产生的用户文件），默认为 ~/.autogenstudio ;
--database-uri <uri> : 指定数据库uri，例如PostgreSQL数据库可设置为 postgresql+psycopg://user:password@localhost/dbname

启动后，在浏览器内访问http://localhost:8081/即可开始使用AutoGen Studio。启动页面如下：