MetaGPT
v0.8.1
มอบหมายบทบาทที่แตกต่างกันให้กับ GPT เพื่อสร้างหน่วยงานที่ทำงานร่วมกันสำหรับงานที่ซับซ้อน
29 ต.ค. 2024: เราเปิดตัวเอกสาร 3 ฉบับ ได้แก่ AFLOW, FACT และ SELA ตรวจสอบโค้ด!
29 มีนาคม 2024: v0.8.0 เปิดตัว ตอนนี้คุณสามารถใช้ Data Interpreter (arxiv, ตัวอย่าง, รหัส) ผ่านการนำเข้าแพ็คเกจ pypi ในขณะเดียวกัน เราได้รวมโมดูล RAG และรองรับ LLM ใหม่หลายรายการ
8 กุมภาพันธ์ 2024: v0.7.0 เปิดตัว รองรับการกำหนด LLM ที่แตกต่างกันให้กับบทบาทที่แตกต่างกัน นอกจากนี้เรายังแนะนำ Data Interpreter ซึ่งเป็นเอเจนต์ที่ทรงพลังที่สามารถแก้ไขปัญหาในโลกแห่งความเป็นจริงได้หลากหลาย
16 มกราคม 2024: บทความของเรา MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework ได้รับการยอมรับสำหรับ การนำเสนอแบบปากเปล่า (สูงสุด 1.2%) ที่ ICLR 2024 ซึ่ง อยู่ในอันดับที่ 1 ในหมวดหมู่ Agent ที่ใช้ LLM
3 มกราคม 2024: เปิดตัว v0.6.0 คุณสมบัติใหม่ประกอบด้วยการทำให้เป็นอนุกรม แพ็คเกจ OpenAI ที่อัปเกรดแล้ว และรองรับ LLM หลายตัว โดยมีตัวอย่างน้อยที่สุดสำหรับการถกเถียง ฯลฯ
15 ธันวาคม 2023: v0.5.0 เปิดตัว แนะนำคุณสมบัติทดลองบางอย่าง เช่น การพัฒนาส่วนเพิ่ม หลายภาษา ภาษาโปรแกรมหลายภาษา ฯลฯ
8 พฤศจิกายน 2023: MetaGPT ได้รับเลือกให้อยู่ใน Open100: ความสำเร็จ 100 อันดับแรกของโอเพ่นซอร์ส
1 กันยายน 2023: MetaGPT ติดอันดับ GitHub Trending Monthly เป็น ครั้งที่ 17 ในเดือนสิงหาคม 2023
- 30 มิถุนายน 2023: ขณะนี้ MetaGPT เป็นโอเพ่นซอร์สแล้ว
- 24 เมษายน 2023: บรรทัดแรกของโค้ด MetaGPT ที่คอมมิต
Code = SOP(Team) คือปรัชญาหลัก เราจัดทำ SOP ให้เป็นรูปธรรมและนำไปใช้กับทีมที่ประกอบด้วย LLM 
แผนผัง Multi-Agent ของบริษัทซอฟต์แวร์ (กำลังดำเนินการแบบค่อยเป็นค่อยไป)
ตรวจสอบให้แน่ใจว่าติดตั้ง Python 3.9 หรือใหม่กว่า แต่น้อยกว่า 3.12 บนระบบของคุณ คุณสามารถตรวจสอบได้โดยใช้:
python --version
คุณสามารถใช้ conda ดังนี้: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 .`สำหรับคำแนะนำในการติดตั้งโดยละเอียด โปรดดูที่ cli_install หรือ docker_install
คุณสามารถเริ่มต้นการกำหนดค่า MetaGPT ได้โดยการเรียกใช้คำสั่งต่อไปนี้ หรือสร้างไฟล์ ~/.metagpt/config2.yaml ด้วยตนเอง
# 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 คุณสามารถกำหนดค่า ~/.metagpt/config2.yaml ตามตัวอย่างและเอกสาร:
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 "หลังการติดตั้ง คุณสามารถใช้ MetaGPT ที่ CLI ได้
metagpt " Create a 2048 game " # this will create a repo in ./workspaceหรือใช้เป็นห้องสมุด
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 filesคุณยังสามารถใช้ Data Interpreter เพื่อเขียนโค้ดได้:
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- เข้าร่วมช่อง Discord ของเรา! รอคอยที่จะพบคุณที่นั่น! -
กรอกแบบฟอร์มเพื่อเป็นผู้ร่วมให้ข้อมูล เรากำลังรอคอยที่จะมีส่วนร่วมของคุณ!
หากคุณมีคำถามหรือข้อเสนอแนะเกี่ยวกับโครงการนี้ โปรดติดต่อเรา เราขอขอบคุณข้อเสนอแนะของคุณเป็นอย่างยิ่ง!
เราจะตอบกลับทุกคำถามภายใน 2-3 วันทำการ
หากต้องการติดตามข่าวสารล่าสุดเกี่ยวกับการวิจัยและพัฒนา โปรดติดตาม @MetaGPT_ บน Twitter
หากต้องการอ้างอิง MetaGPT หรือ Data Interpreter ในสิ่งพิมพ์ โปรดใช้รายการ BibTeX ต่อไปนี้
@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 } ,
}
