Mit der kontinuierlichen Entwicklung großer Sprachmodelle (LLM) ist deren Verwendung zum Aufbau von KI-Agenten zu einem neuen Forschungsgebiet geworden. Frühere Forschungen haben LLM erfolgreich eingesetzt, um Multiagenten-Agenten dazu zu bringen, einige Aufgaben autonom zu erledigen. Die aktuelle Forschung konzentriert sich jedoch hauptsächlich auf einfache Aufgaben und untersucht komplexe Aufgaben nur unzureichend. Dies liegt hauptsächlich daran, dass große Sprachmodelle „Illusions“-Probleme haben, insbesondere wenn mehrere Agenten interagieren. Das Halluzinationsproblem wird schwerwiegender und kann nicht auf komplexe Aufgaben angewendet werden
Kürzlich wurde ein Open-Source-Framework namens „MetaGPT“ ausprobiert um dieses Problem zu lösen. Das Ziel von MetaGPT besteht darin, als Metaprogrammierungsansatz effiziente menschliche Arbeitsabläufe in die LLM-gesteuerte Multi-Agenten-Zusammenarbeit zu integrieren. Wenige Tage nachdem es online ging, hat MetaGPT schnell mehr als 11,1.000 Sterne gewonnen der Arbeitsablauf eines Softwareentwicklungsunternehmens, der die Zuweisung von Rollen zu jedem Agenten und die Planung des Zusammenarbeitsprozesses erfordert, ähnlich der Personalzuteilungssituation eines Softwareentwicklungsunternehmens
MetaGPT bettet zunächst die standardisierte Betriebsanweisung (SOP) in Prompt ein , wodurch der Zusammenarbeitsprozess mehrerer Agenten strukturiert wird. Anschließend modularisierte das Forschungsteam die Ausgabe weiter und gab dem Agenten Fachwissen, das dem von menschlichen Arbeitern entspricht, um die Ausgabe zu überprüfen und zusammengesetzte Fehler zu reduzieren. MetaGPT weist verschiedenen Agenten über eine Arbeitspipeline Rollen zu und erstellte so ein Framework, das komplexe Aufgaben effektiv lösen kann Probleme bei der Zusammenarbeit mit mehreren Agenten lösen und kohärenter machen
Am Beispiel der Entwicklung von Empfehlungsmaschinen demonstrierte das Forschungsteam die selbstgenerierten Ergebnisse des „Architect Agent“ im Schnittstellendesign des MetaGPT-Systems. Dies ist von entscheidender Bedeutung Schritt für die Softwareentwicklung
MetaGPT ist in der Lage, verschiedene komplexe Aufgaben zu bewältigen, wie z. B. die Entwicklung einfacher Spielesoftware, und sein Aufgabenausführungsprozess kann mit den Standards menschlicher Entwickler verglichen werden. Eins-zu-eins-Korrespondenz zwischen Betriebsabläufen ( SOPs)
Nachdem MetaGPT Benutzereingabeanforderungen erhalten hat, übernimmt der Agent die Rolle des Produktmanagers und analysiert Anforderungen und Machbarkeit. Der Agent fungiert dann als Architekt, Projektmanager und Ingenieur und führt nacheinander die Softwareentwicklung durch. Schließlich ist ein weiterer Agent für die umfassende Prüfung der Software verantwortlich. Dieser Prozess simuliert den realen Entwicklungsprozess sehr gut. Schauen wir uns einen Fall an, in dem MetaGPT eine bestimmte Entwicklungsaufgabe abschließt. Benutzer müssen lediglich eine Anforderung angeben, z. B. „Ein Blackjack-Spiel schreiben“. MetaGPT führt eine Anforderungsanalyse und Aufgabenplanung durch und generiert erfolgreich Spielcode
Das Forschungsteam gab in der Projekt-Roadmap an: MetaGPT-Plan mittelgroße Projekte (ca. 2.000 Zeilen Code) kurzfristig selbstständig abzuschließen und letztendlich die Fähigkeit zu erlangen, selbständig zu trainieren, zu verfeinern, zu optimieren, anzuwenden und zu aktualisieren
MetaGPT hat veröffentlicht ein Artikel mit dem Titel „METAGPT: META PROGRAMMING FOR MULTI-AGENT COLLABORATIVE FRAMEWORK“ Forschungspapier
Das Papier finden Sie unter folgendem Link: https://arxiv.org/pdf/2308.00352.pdf Interessierte Leser können sich das Papier ansehen, um ein tieferes Verständnis des Forschungsthemas zu erhalten
Das obige ist der detaillierte Inhalt vonDas Open-Source-Framework MetaGPT wurde auf GitHub populär und erreichte 11.000 Sterne, indem es den Softwareentwicklungsprozess simulierte. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!