区块链交易网站建设wordpress foundation

AutoGen智能体代码解读

• AutoGen多角色、多用户、多智能体对话系统

1-未完成

• 1）chainlit的完整使用方法
• 2）@cl.on_chat_start标注是如何生效了
• 3）使用python模拟一个标注可以添加在业务方法上
• 4）autoGen的完整使用方法
• 5）autoGenStudio使用方法
• 6）autoGen是如何实现RoundRobinGroupChat策略的
• 7）后端框架设计【微服务】模型自动发现是不是可以采用这种策略
• 8）asyncio异步操作

---

2-代码解读

import chainlit as cl
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_ext.models.openai import [e-mail]_chat_start
async def main():await cl.Message(content="您好，这里是超级无敌大医院，有什么可以帮您？").send()async def run_team(query: str):model_client = OpenAIChatCompletionClient(model="deepseek-chat", base_url="https://api.deepseek.com",api_key="sk-6d775065fa8c405caebed674c125e67e",model_info={"vision": False,"function_calling": False,"json_output": True,"family": "unknown",}, )assistant_agent = AssistantAgent("assistant", model_client=model_client,system_message="你是一所口腔医院的导诊台机器人，负责解答用户的挂号问题，用户描述症状需求，你回答应该挂的科室。""在本医院中有以下科室：牙体牙髓科、口腔修复科、口腔外科、口腔种植科、儿童口腔专科。""如果用户的问题与挂号咨询不符合，回答：“您的描述与症状无关，暂不支持”")team = RoundRobinGroupChat(participants=[assistant_agent], max_turns=1)response_stream = team.run_stream(task=query)async for msg in response_stream:if hasattr(msg, "source") and msg.source != "user" and hasattr(msg, "content"):msg = cl.Message(content=msg.content, author="Agent Team")await msg.send()@cl.on_message
async def main(message: cl.Message):await run_team(message.content)

这段代码展示了如何使用 chainlit 库与自定义的 AutoGen AgentChat 组件来创建一个基于AI的聊天应用。这个应用特别设计用于模拟一个医院导诊台机器人，它能够根据用户的症状描述推荐相应的科室。以下是代码的工作流程和关键组件的解释：

主要组件

1. chainlit: 用于构建交互式的Web应用程序，特别是适合开发聊天机器人界面。
2. autogen_agentchat: 包含了创建AI代理（Agent）以及管理这些代理之间对话的工具。在这个例子中，我们创建了一个AssistantAgent。
3. OpenAIChatCompletionClient: 这个客户端允许通过指定的模型进行对话补全操作。尽管名字里有OpenAI，但示例中使用的是名为deepseek-chat的模型。

工作流程

• 初始化阶段:

  • 当用户打开聊天界面时，@cl.on_chat_start 装饰器标记的函数被触发，发送欢迎消息给用户。

• 接收用户消息:

  • 用户在聊天界面上发送的消息会触发 @cl.on_message 装饰器下的 main 函数，该函数将调用 run_team 函数处理用户输入。

• 处理用户查询 (run_team 函数):

  • 创建一个 OpenAIChatCompletionClient 实例，配置特定的模型参数。
  • 初始化一个 AssistantAgent，并为其提供系统消息以指导其行为（如解答挂号相关问题）。
  • 创建一个 RoundRobinGroupChat 实例，这是一个简单的对话管理系统，限制对话轮数为1。
  • 使用 team.run_stream(task=query) 方法处理用户查询，并异步地将结果返回给用户。

• 发送响应:

  • 对于从run_team接收到的每条消息，如果它不是来自用户且包含内容，则将其作为新的消息对象发送回聊天界面，标明来源是"Agent Team"。

注意事项

• 在实际部署前，请确保替换API密钥和其他敏感信息。
• 此代码示例假定你已经正确安装了所有必要的库，并设置了正确的环境变量。
• 根据实际需要调整模型参数、代理行为说明以及其他设置。

---