MetaGPT
v0.8.1
قم بتعيين أدوار مختلفة لـ GPTs لتشكيل كيان تعاوني للمهام المعقدة.
29 أكتوبر 2024: قدمنا ثلاث أوراق بحثية: AFLOW، وFACT، وSELA، تحقق من الرمز!
29 مارس 2024: تم إصدار الإصدار 0.8.0. يمكنك الآن استخدام Data Interpreter (arxiv، مثال، رمز) عبر استيراد حزمة pypi. وفي الوقت نفسه، قمنا بدمج وحدة RAG ودعمنا العديد من برامج LLM الجديدة.
08 فبراير 2024: تم إصدار الإصدار 0.7.0، والذي يدعم تعيين درجات LLM مختلفة لأدوار مختلفة. لقد قدمنا أيضًا مترجم البيانات، وهو وكيل قوي قادر على حل مجموعة واسعة من مشكلات العالم الحقيقي.
16 يناير 2024: تم قبول ورقتنا MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework للعرض الشفهي (أعلى 1.2%) في ICLR 2024، حيث احتلت المرتبة الأولى في فئة الوكلاء المعتمدين على LLM.
03 يناير 2024: تم إصدار الإصدار 0.6.0، وتشمل الميزات الجديدة التسلسل وحزمة OpenAI التي تمت ترقيتها ودعم LLM المتعددة، وتوفير الحد الأدنى من الأمثلة للمناقشة وما إلى ذلك.
15 ديسمبر 2023: تم إصدار الإصدار 0.5.0، والذي يقدم بعض الميزات التجريبية مثل التطوير المتزايد، وتعدد اللغات، ولغات البرمجة المتعددة، وما إلى ذلك.
08 نوفمبر 2023: تم اختيار MetaGPT ضمن Open100: أفضل 100 إنجاز مفتوح المصدر.
01 سبتمبر 2023: تتصدر MetaGPT اتجاهات GitHub الشهرية للمرة السابعة عشرة في أغسطس 2023.
؟ 30 يونيو 2023: أصبح MetaGPT الآن مفتوح المصدر.
؟ 24 أبريل 2023: تم الالتزام بالسطر الأول من كود MetaGPT.
Code = SOP(Team) هي الفلسفة الأساسية. نحن نحقق إجراءات التشغيل القياسية (SOP) ونطبقها على فرق مكونة من حاملي ماجستير إدارة الأعمال (LLMs). 
مخطط متعدد الوكلاء لشركة البرمجيات (يتم التنفيذ تدريجيًا)
تأكد من تثبيت Python 3.9 أو الأحدث، ولكن أقل من 3.12، على نظامك. يمكنك التحقق من ذلك باستخدام:
python --version.
يمكنك استخدام conda مثل هذا:conda create -n metagpt python=3.9 && conda activate metagpt
pip install --upgrade metagpt
# or `pip install --upgrade git+https://github.com/geekan/MetaGPT.git`
# or `git clone https://github.com/geekan/MetaGPT && cd MetaGPT && pip install --upgrade -e .`للحصول على إرشادات التثبيت التفصيلية، يرجى الرجوع إلى cli_install أو docker_install
يمكنك بدء تكوين MetaGPT عن طريق تشغيل الأمر التالي، أو إنشاء ملف ~/.metagpt/config2.yaml يدويًا:
# Check https://docs.deepwisdom.ai/main/en/guide/get_started/configuration.html for more details
metagpt --init-config # it will create ~/.metagpt/config2.yaml, just modify it to your needs يمكنك تكوين ~/.metagpt/config2.yaml وفقًا للمثال والمستند:
llm :
api_type : " openai " # or azure / ollama / groq etc. Check LLMType for more options
model : " gpt-4-turbo " # or gpt-3.5-turbo
base_url : " https://api.openai.com/v1 " # or forward url / other llm url
api_key : " YOUR_API_KEY "بعد التثبيت، يمكنك استخدام MetaGPT في CLI
metagpt " Create a 2048 game " # this will create a repo in ./workspaceأو استخدامه كمكتبة
from metagpt . software_company import generate_repo , ProjectRepo
repo : ProjectRepo = generate_repo ( "Create a 2048 game" ) # or ProjectRepo("")
print ( repo ) # it will print the repo structure with filesيمكنك أيضًا استخدام Data Interpreter لكتابة التعليمات البرمجية:
import asyncio
from metagpt . roles . di . data_interpreter import DataInterpreter
async def main ():
di = DataInterpreter ()
await di . run ( "Run data analysis on sklearn Iris dataset, include a plot" )
asyncio . run ( main ()) # or await main() in a jupyter notebook setting؟ انضم إلى قناة الديسكورد الخاصة بنا! نتطلع إلى رؤيتك هناك! ؟
املأ النموذج لتصبح مساهما. ونحن نتطلع إلى مشاركتك!
إذا كان لديك أي أسئلة أو تعليقات حول هذا المشروع، فلا تتردد في الاتصال بنا. نحن نقدر بشدة اقتراحاتكم!
سنرد على جميع الأسئلة خلال 2-3 أيام عمل.
للبقاء على اطلاع بأحدث الأبحاث والتطوير، تابع @MetaGPT_ على Twitter.
للاستشهاد بـ MetaGPT أو Data Interpreter في المنشورات، يرجى استخدام إدخالات BibTeX التالية.
@inproceedings { hong2024metagpt ,
title = { Meta{GPT}: Meta Programming for A Multi-Agent Collaborative Framework } ,
author = { Sirui Hong and Mingchen Zhuge and Jonathan Chen and Xiawu Zheng and Yuheng Cheng and Jinlin Wang and Ceyao Zhang and Zili Wang and Steven Ka Shing Yau and Zijuan Lin and Liyang Zhou and Chenyu Ran and Lingfeng Xiao and Chenglin Wu and J{"u}rgen Schmidhuber } ,
booktitle = { The Twelfth International Conference on Learning Representations } ,
year = { 2024 } ,
url = { https://openreview.net/forum?id=VtmBAGCN7o }
}
@misc { hong2024data ,
title = { Data Interpreter: An LLM Agent For Data Science } ,
author = { Sirui Hong and Yizhang Lin and Bang Liu and Bangbang Liu and Binhao Wu and Danyang Li and Jiaqi Chen and Jiayi Zhang and Jinlin Wang and Li Zhang and Lingyao Zhang and Min Yang and Mingchen Zhuge and Taicheng Guo and Tuo Zhou and Wei Tao and Wenyi Wang and Xiangru Tang and Xiangtao Lu and Xiawu Zheng and Xinbing Liang and Yaying Fei and Yuheng Cheng and Zongze Xu and Chenglin Wu } ,
year = { 2024 } ,
eprint = { 2402.18679 } ,
archivePrefix = { arXiv } ,
primaryClass = { cs.AI }
}
@misc { zhang2024aflow ,
title = { AFlow: Automating Agentic Workflow Generation } ,
author = { Jiayi Zhang and Jinyu Xiang and Zhaoyang Yu and Fengwei Teng and Xionghui Chen and Jiaqi Chen and Mingchen Zhuge and Xin Cheng and Sirui Hong and Jinlin Wang and Bingnan Zheng and Bang Liu and Yuyu Luo and Chenglin Wu } ,
year = { 2024 } ,
eprint = { 2410.10762 } ,
archivePrefix = { arXiv } ,
primaryClass = { cs.AI } ,
url = { https://arxiv.org/abs/2410.10762 } ,
}
