AIGC:少爷请吩咐!

浅聊一下

有没有家财万贯的掘友家里请了管家的,在评论区举个手...众所周知,管家是一个管理者,负责安排工作给各方面的助手,让助手将事情完成,从而将你的家管理的井井有条。那么在AIGC时代,我们可以让AIGC来当我们的管家,本文将向大家展示如何让AIGC管家完成你的要求...

准备

我们需要使用到colab,这里会需要一点魔法打开哦~~

用谷歌账号登录即可

开始

  1. 安装pyautogen
  • !pip install pyautogen~=0.1.0 -q -U

点击播放键运行

  1. 配置大模型
  • config_list 是一个包含字典的列表,每个字典描述一个语言模型的配置。

    • 'model': 表示要使用的语言模型的名称,这里是 'gpt-3.5-turbo',它是 OpenAI 提供的一个预训练模型。
    • 'api_key': 是用于身份验证的 API 密钥,确保只有授权的用户可以访问 OpenAI 的服务。
  • llm_config 是一个包含一些配置选项的字典,用于配置语言模型的行为。

    • "timeout": 设置模型调用的超时时间,这里是 600 秒,超过则请求会中止
    • "config_list": 引用了前面定义的 config_list,指定了要使用的语言模型的配置。
    • "temperature": 是生成文本时的温度参数,用于调整生成文本的创造性。在这里被设置为 0,表示生成的文本更加确定性,更加接近模型的预测。
python 复制代码
config_list = [{
    'model': 'gpt-3.5-turbo',
    'api_key': '**********************************'

}]
llm_config = {
    "timeout": 600,
    "config_list": config_list,
    "temperature": 0
}

点击播放键运行

  1. 创建管家和助手
  • 导入autogen库

    • import autogen
  • 实例化管家

    • name: 给用户代理对象起的名称。
    • human_input_mode: 用户输入模式,这里是 "TERMINATE",表示用户输入后任务终止。
    • max_consecutive_auto_reply: 最大连续自动回复次数。超过10次则中止哦
    • code_execution_config: 代码执行的配置,包括工作目录。
    • system_message: 发送给用户的系统消息,说明用户应该如何回应。这里告诉管家,如果任务完成就返回结果,如果未完成,就返回任务尚未解决的原因
  • 实例化助手

    • name: 给助理代理对象起的名称。
    • llm_config: 使用之前定义的语言模型配置 llm_config
python 复制代码
import autogen
# 实例化用户代理agent对象 管家
# 授权
user_proxy = autogen.UserProxyAgent(
    name="user_proxy",
    human_input_mode="TERMINATE",
    max_consecutive_auto_reply=10,
    # 代码的执行目录是?当前目录
    code_execution_config={"work_dir":"."},
    system_message="Reply TERMINATE if the task has been solved at full satisfaction.Otherwise, reply CONTINUE, or the reason why the task is not solved yet."
)
# 助理Agent 干活的
assistant = autogen.AssistantAgent(
    name="assistant",
    # 由大模型给
    llm_config=llm_config
)

点击播放键运行

4. 干活

  • 管家吩咐助手干活

    • assistant: 是之前实例化的助理代理对象。
    • message: 告诉助手他需要完成的任务,这里让助手把sample_data文件夹中的文件列举出来
python 复制代码
user_proxy.initiate_chat(
    assistant,
    message="""
    List all the files in the sample_data folder
    """
)

点击播放键运行,当看见如下结果时,运行成功!

助手完美的把任务完成,列举出来了这个文件夹中的所有文件,并且告诉管家,如果有更多需要,请吩咐我!

结尾

虽然在这里,我们只是让AIGC管家完成了一点很简单的事情,但是运用这种管家管理助手,助手完成任务的模式,可以让我们解决更多更复杂的问题!

相关推荐
Elastic 中国社区官方博客22 分钟前
使用 Elasticsearch 导航检索增强生成图表
大数据·数据库·人工智能·elasticsearch·搜索引擎·ai·全文检索
云天徽上1 小时前
【数据可视化】全国星巴克门店可视化
人工智能·机器学习·信息可视化·数据挖掘·数据分析
大嘴吧Lucy1 小时前
大模型 | AI驱动的数据分析:利用自然语言实现数据查询到可视化呈现
人工智能·信息可视化·数据分析
艾思科蓝 AiScholar1 小时前
【连续多届EI稳定收录&出版级别高&高录用快检索】第五届机械设计与仿真国际学术会议(MDS 2025)
人工智能·数学建模·自然语言处理·系统架构·机器人·软件工程·拓扑学
watersink2 小时前
面试题库笔记
大数据·人工智能·机器学习
Yuleave2 小时前
PaSa:基于大语言模型的综合学术论文搜索智能体
人工智能·语言模型·自然语言处理
数字化综合解决方案提供商2 小时前
【Rate Limiting Advanced插件】赋能AI资源高效分配
大数据·人工智能
一只码代码的章鱼2 小时前
机器学习2 (笔记)(朴素贝叶斯,集成学习,KNN和matlab运用)
人工智能·机器学习
周杰伦_Jay3 小时前
简洁明了:介绍大模型的基本概念(大模型和小模型、模型分类、发展历程、泛化和微调)
人工智能·算法·机器学习·生成对抗网络·分类·数据挖掘·transformer
SpikeKing3 小时前
LLM - 大模型 ScallingLaws 的指导模型设计与实验环境(PLM) 教程(4)
人工智能·llm·transformer·plm·scalinglaws