wow-agent---task4 MetaGPT初体验

先说坑:

1.使用git clone模式安装metagpt

2.模型尽量使用在线模型或本地高参数模型。

这里使用python3.10.11调试成功

一,安装

安装 | MetaGPT,参考这里的以开发模型进行安装

复制代码
git clone https://github.com/geekan/MetaGPT.git
cd /your/path/to/MetaGPT
pip install -e .

在下载后的目录中有一个config文件夹,里面有一个config2.yaml的文件,修改并保存,这里使用zhipu的api进行实现,示例

复制代码
llm:
  api_type: 'zhipuai'
  api_key: 'YOUR_API_KEY'
  model: 'MODEL_NAME'

ollama也是可以的,不过模型参数不高的还是用在线的成功率会高一些。

验证

复制代码
metagpt --help

出现提示就代表安装成功,记住那个--code-review的命令

二,Hello world

复制代码
metagpt "制作一个贪吃蛇的游戏" --code-review

一般是在workspace目录下生成,会有个main.py的运行文件,不过这里需要手动安装一下pygame包,运行后这个游戏是可以执行的,目测可以直接用来可以当demo。

三,概念:让大模型具备agent能力,你需要指定动作action,这个动作可以是写教程,做诗,和自己吵架(辩论),OCR处理,网页自动化等。有了动作还需创建角色role,这个角色可以拥有记录,决策,执行动作的能力。role是具有执行action的综合实体---有一定的规划能力,action是role可执行的流程的具化---有胳膊腿可以进行交互。

MetaGPT/metagpt/roles/tutorial_assistant.py at main · geekan/MetaGPT · GitHub

以官网写脚本的例子来看,定义好就可以写执行代码:

python 复制代码
import asyncio
from metagpt.logs import logger
from metagpt.roles.tutorial_assistant import TutorialAssistant

async def main():
    msg = "Python语言教程"
    role = TutorialAssistant()
    logger.info(msg)
    result = await role.run(msg)
    logger.info(result)
asyncio.run(main())

写好的教程以md格式存储于data目录下,粗看还可以,总体思路是先生成标题,目录,然后在目录里填充内容。

更多示例请查阅

https://docs.deepwisdom.ai/v0.7/zh/guide/use_cases/agent/interpreter/data_visualization.html

ps:windows用户如何装完不生效,可以看下在C:\Users\xxx\.metagpt下是否有config2.yaml文件,默认是这个优先级高。

相关推荐
搜yyzk6683 小时前
智能电话机器人:1天千通电话,高效低成本
人工智能
fthux7 小时前
装闭 RenoPit 源码解析(09):AnalysisEngine装修闭坑分析主流程
人工智能·ai·开源·github·open source·renopit
敏编程7 小时前
开源项目 NextBand:探索融合健康传感、语音交互与 AI Agent 的下一代可穿戴设备
人工智能
ovO7 小时前
我按下“发送”之后:DeepSeek Harness 如何把一次请求变成 1,177 个增量片段
人工智能·开源·deepseek
2603_965148118 小时前
如何解析JSON数据?API返回的商品信息处理教程
开发语言·数据库·python·自动化·json·api
昨日之日20068 小时前
LTX-2.5:更清晰、更可控、同步音画、多镜头连贯的AI视频神器
人工智能·音视频
九硕智慧建筑一体化厂家8 小时前
数字化管控落地,直流照明构筑安全照明体系
运维·人工智能·笔记·安全·智慧城市
江厌018 小时前
本地部署DeepSeek显卡怎么选?我把显存计算公式和实测记录写下来了
人工智能·百度·联想工作站·代理商推荐·渠道对比·工作站
小席是个热心肠8 小时前
AI相关的自我学习
java·人工智能·学习
FII工业富联科技服务8 小时前
工业AI自治的演进趋势:从内容生成到Agent驱动的工厂运营范式转变
人工智能