40.9k star 的 MetaGPT,一个媲美完整开发团队的 AI 智能体

都说世界就是一个巨大的草台班子,而今天在逛 Github 时发现一个 Star 数高达 40.9k 的项目------MetaGPT。

介绍

  • 它是一个多智能体框架
  • 内部包括了一个完整的软件团队所需的所有角色:产品经理 / 架构师 / 项目经理 / 工程师
  • 可以利用 AI 以软件公司的形式进行工作,只需要输入一句话,就可以自动输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等

以下是官方给出的软件公司多角色示意图:

简单点来说,MetaGPT 可以拓展我们输入的指令并分身成不同的角色来完成需求

  1. 老板:给了一个内容很简短的需求(啪!一拍脑袋,需求来了)
  2. 产品经理:开始需求分析,撰写和修改需求文档
  3. 接下来架构师开始撰写和修改设计、审核产品需求文档以及后续进行 Code Review
  4. 项目经理:要给团队开发编写和分配任务,也需要一起审核产品需求文档、审核设计及 Code Review
  5. 开发工程师:真实牛马开始编写代码、自查代码及对代码进行调试
  6. QA 质量 ,我们可以理解为测试,主要负责编写和执行测试用例
  7. 最终齐心协力完成整个需求🎉

那 MateGPT 如何使用呢?我们一起来看看~

安装

官方提供了三种安装方式:

  • docker 安装
  • python 安装
  • git clone 本地运行

平时我都是喜欢使用 docker 进行安装的,但这次我选择使用 python。

需要注意的是安装 MetaGPT,python 的版本必须在 3.9 以上 ,如果不知道自己电脑上的 python 版本是多少,我们可以使用 python3 --version 来查看。

只要版本合适,我们就可以开始安装 MetaGPT 了:

bash 复制代码
python3 -m pip install metagpt

我们还可以选择安装一些额外的功能,比如:

  • Mermaid:一种使用文本生成流程图、饼图、甘特图和其他图表的语言。可以使用 npm 进行安装:npm install -g @mermaid-js/mermaid-cli
  • pyppeteer:使用pyppeteer + mermaidjs可以将Mermaid文本转换为图表。
  • ......

配置

光安装好还没用,我们在使用时还需要配置对应的大模型,不然没有 AI 支持它也跑不起来

  1. 在当前工作目录中创建一个名为config的文件夹,并在其中添加一个名为config2.yaml的新文件。
  2. config2.yaml 中的基础配置是这样的:
vbnet 复制代码
llm:
  api_type: 'openai' 
  api_key: 'sk-...' 
  model: 'gpt-4-turbo' 
  

其中:

  • api_type 就是你现在要选择使用哪个厂商的 AI 大模型
  • api_key 就是你的这个 AI 大模型的 API Key
  • model 就是你要使用的模型名称,比如 gpt-4-turbo
  • base_url 就是在 MetaGPT 在运行过程中要访问的 API 地址

运行

配置好之后,我们就可以开始使用了,打开终端进入到当前工作目录,然后输入我们将要让 MetaGPT 完成的第一个需求!

bash 复制代码
metagpt "写一个红心"

开始运行起来了:

可以看到有 Alice 这个产品、还有 Bob 架构师以及 Eve 项目经理在一起工作,也有进行一些 Code Review 和重写:

经过短暂的时间之后,项目已经开发完成了:

运行一下子瞅瞅看:python3 mian.py

完成!但是吧,这个效果不是我预期的,本来是想画个红心来着,哈哈哈哈~

不过起码算是完成了一整套流程。小伙伴们有兴趣的,可以去 Github 上下载玩玩儿看😊

遇到的坑

  1. 因为三金对 python 不熟,升级 python 版本到 3.12 之后运行项目时遇到一个 distutils 的问题,经过长时间的排查,发现是因为版本升的过于高了,3.12 的版本里没有这个 distutils,最后将版本降到 3.11 之后就好了
  2. 使用之前玩儿过的代理进行运行时,一直报错 JSONDecodeError,这个看了下 issue,有大佬说使用付费的 API Key 就 OK。三金换到之前的 gpt-3.5-turbo 模型就好了,不过因为模型不如 gpt-4 等模型,所以一些复杂的需求完成起来够呛。
相关推荐
The Open Group16 分钟前
The Open Group 2024架构·AI标准峰会——合作伙伴+演讲嘉宾预热征集中!
人工智能·架构
阿_旭16 分钟前
【YOLOv9教程】如何使用YOLOv9进行图像与视频检测
人工智能·深度学习·目标检测·ai·yolov9
林叔聊渠道分销17 分钟前
从0到1构建渠道运营体系:实战案例与策略指南
大数据·运维·人工智能·产品运营·流量运营·渠道运营
X.AI66623 分钟前
【大模型LLM面试合集】大语言模型基础_LLM为什么Decoder only架构
人工智能·语言模型·架构
galaxylove33 分钟前
被⽹络罪犯利⽤的5⼤ChatGPT越狱提⽰
人工智能·chatgpt
dtge34 分钟前
【ChatGPT】全面解析 ChatGPT:从起源到未来
人工智能·chatgpt
robinfang20191 小时前
Meerkat:第一个统一视听空间和时间定位的MLLM
大数据·人工智能·机器学习·语言模型
深蓝海拓1 小时前
使用OpenCV与PySide(PyQt)的视觉检测小项目练习
人工智能·opencv·numpy·pyqt
我是陈泽1 小时前
AI教你如何系统的学习Python
开发语言·数据结构·人工智能·python·学习·青少年编程
迅狐源码工厂1 小时前
如何选择视频号矩阵系统:打造高效短视频内容生态的指南
人工智能·线性代数·矩阵