MetaGPT
v0.8.1
为GPT分配不同的角色，形成一个协作实体来完成复杂的任务。
2024年10月29日：我们引入了三篇论文：AFLOW、FACT、SELA，查看代码！
2024 年 3 月 29 日：v0.8.0 发布。现在您可以通过 pypi 包导入使用 Data Interpreter（arxiv，示例，代码）。同时，我们集成了RAG模块并支持多个新的LLM。
2024年2月8日：v0.7.0发布，支持将不同的LLM分配给不同的角色。我们还引入了 Data Interpreter，这是一个能够解决各种现实问题的强大代理。
2024 年 1 月 16 日：我们的论文 MetaGPT：多智能体协作框架的元编程在 ICLR 2024 上被接受为口头报告（前 1.2%） ，在基于 LLM 的智能体类别中排名第一。
2024年1月3日：v0.6.0发布，新功能包括序列化、升级OpenAI包并支持多个LLM、提供最少的辩论示例等。
2023年12月15日：v0.5.0发布，引入增量开发、多语言、多种编程语言等实验性功能。
2023 年 11 月 8 日：MetaGPT 入选 Open100：百大开源成就。
2023 年 9 月 1 日：MetaGPT 在 2023 年 8 月第 17 次位列 GitHub 每月趋势榜首。
？ 2023 年 6 月 30 日：MetaGPT 现已开源。
？ 2023 年 4 月 24 日：第一行 MetaGPT 代码已提交。
Code = SOP(Team)是核心理念。我们具体化SOP并将其应用于由法学硕士组成的团队。 
软件公司多Agent示意图（逐步实施）
确保您的系统上安装了 Python 3.9 或更高版本，但低于 3.12。您可以使用以下命令进行检查：
python --version。
您可以像这样使用 conda：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 .`详细安装指导请参考cli_install或docker_install
您可以通过运行以下命令来初始化 MetaGPT 的配置，或手动创建~/.metagpt/config2.yaml文件：
# 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您可以根据示例和文档配置~/.metagpt/config2.yaml ：
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 "安装后，您可以在 CLI 中使用 MetaGPT
metagpt " Create a 2048 game " # this will create a repo in ./workspace或将其用作库
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 files您还可以使用 Data Interpreter 编写代码：
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？加入我们的 Discord 频道！期待在那里见到您！ ？
填写表格以成为贡献者。我们期待您的参与！
如果您对此项目有任何疑问或反馈，请随时与我们联系。我们非常感谢您的建议！
我们将在 2-3 个工作日内回复所有问题。
要了解最新的研究和开发动态，请在 Twitter 上关注@MetaGPT_。
要在出版物中引用 MetaGPT 或 Data Interpreter，请使用以下 BibTeX 条目。
@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 } ,
}
