网站开发程序现在的网络推广怎么做

凑热闹。可以用GLM跑。

 
这里暂时用GLM底座“魔鬼修改”，代码库仅供参考（共同进步吧）
openai-agents-python-glm: 基于GLM底座运行SDK，学习实验SDK内的mAGT功能。https://gitee.com/leomk2004/openai-agents-python-glm

自言自语：

Swarm定位是框架（对比其他框架可能相当过于简单了，官方说是“实验/教学”）。

OpenAI定位的是SDK，相当与吧RAG/Search/ToolUse/ComputeUse （没有code interpretor），都封装到了SDK中（但依赖自家平台云服务提供的RAG/WebSearch/ComputerUse能力）。所以官方说是“SDK”，没说是多智能体框架。

为了：
（1）也能体验以下：模式，computer use，和未来可能升级的能力，这里需要修改底座。
（2）computer use，还是在虚拟机上跑好一点，需要有个共享代码库。


代码库修改了以下内容：

1. Processors.py ：需要将可观测埋点关掉（连不上openAI）

1. Openai_provider.py 暂时改为用chat.complete (不要使用response 新API，估计其他厂商都还没有做适配，如果有适配成功可以再开启）

1. openai_chatcompletions.py 这里改用GLM的URL和TOKEN；模型直接改为GLM*;

Basic目录验证：

运行多智能体例子agent_lifecycle_example.py：

日志：

Line 59: ### (Start Agent) 1: Agent Start Agent started  Line 173: ### (Start Agent) 2: Agent Start Agent started tool random_number  Line 175: ### (Start Agent) 3: Agent Start Agent ended tool random_number with result 37  Line 294: ### (Start Agent) 4: Agent Start Agent handed off to Multiply Agent  Line 295: ### (Multiply Agent) 1: Agent Multiply Agent started  Line 428: ### (Multiply Agent) 2: Agent Multiply Agent started tool multiply_by_two  Line 430: ### (Multiply Agent) 3: Agent Multiply Agent ended tool multiply_by_two with result 74  Line 452: ### (Multiply Agent) 4: Agent Multiply Agent ended with output The result of multiplying 37 by 2 is 74.

* 结构化输出，工具调用，agent handeroff识别正常。

FinalResult（新的API支持json schema）

SDK会根据DataClass 生成一个json schema报文。

GLM暂时还不兼容。但GLM可以这样保证结构化输出：

智谱AI开放平台

在需要格式化输出的Agent的指令中，写格式例子。参考上面的代码库吧。