Agent学习笔记

Multi-Agent 像是一个团队，团队里面的 Agent 更像是不同的工种，通过不同的 Agent 之间的分工协作（有的做规划，有的执行，执行的时候可以调用工具，也可以利用 LLM 本身的代码，总结能力等），完成一些比较复杂的任务。

名词概念

Agent

agent = llm + memory + planning + tools use

https://lilianweng.github.io/posts/2023-06-23-agent/

技术选型

MetaGPT

• 通信协议(Agent 使用共享消息池来发布结构化消息)
• 具有可执行反馈的迭代编程(self-correction mechanism)

AutoGen

精简和使用多智能体对话来整合多智能体工作流

• conversable agents
• conversation programming

MetaGPT Vs AutoGen

https://smythos.com/ai-agents/ai-agent-builders/metagpt-vs-autogen/

我们该用单 Agent 还是 Multi-Agent?

1、从这个图来看，似乎 MetaGPT 更适合我们？

2、我们的复杂度不高，似乎用不到 Multi-Agents；问财的那种场景有足够的复杂度(逻辑链路多、回答用户的形式多：比如表格、图表、文字、功能卡片等等)，才适合用 Multi-Agents。
硬要搞也行，比如：

• 图表推荐：纯意图/纯模板/纯数据特征/混合
• 数据特征提取：统计学的数据特征提取搞成一个 Agent，基于语义和意图的数据特征提取也搞成一个 Agent，然后让模型决定用哪个最合适。

Agent 和 Function Calling 的区别

https://blog.csdn.net/weixin_44455388/article/details/137559273

agent = llm + memory + planning + tools use.

function calling = tool

资料

2024 年大模型 Multi-agent 多智能体应用技术：AutoGen, MetaGPT, XAgent, AutoAgents，crewAI
主流 Agent 框架 2024 盘点: LangGraph、CrewAI、AutoGen、Dify、MetaGPT、OmAgent 深度横评
安全Multi-Agent：
https://github.com/derisk-ai/OpenDerisk