AutoGen Studio:构建智能聊天机器人

在构建可扩展和灵活的系统时,可能会遇到挑战。AutoGen通过其编程和低代码框架简化了这一过程。上周学习了如何使用AutoGen的编程框架构建代理聊天机器人。今天,将使用AutoGen Studio,一个低代码工具,来构建代理聊天机器人。本指南将重点介绍如何使用AutoGen Studio创建用于各种任务的定制聊天机器人。

目录

  • AutoGen Studio是什么?
  • 启动AutoGen Studio
  • 探索构建部分
  • 模型
  • 技能
  • 代理
  • 工作流
  • 在AutoGen Studio Playground中尝试
  • 结论
  • 常见问题解答

AutoGen Studio是什么?

AutoGen Studio是一个简单的界面,让可以快速创建AI代理,添加技能,并将它们连接到工作流程中以完成任务。它建立在AutoGen框架之上,该框架有助于创建能够处理复杂对话的聊天机器人。有了AutoGen Studio,不需要太多的编码工作就能设计和启动聊天机器人。这使得构建灵活且响应迅速的智能代理变得简单快捷。

启动AutoGen Studio

为了防止库依赖之间的潜在冲突,强烈建议在单独的虚拟环境中运行AutoGen Studio。这确保了AutoGen Studio的特定依赖项不会与其他安装的库发生冲突。

创建新环境:conda create -n autogenstudio python=3.11 激活环境:conda activate autogenstudio 安装AutoGen Studio:pip install autogenstudio 在端口8081上启动Studio界面:autogenstudio ui –port 8081

在浏览器中访问AutoGen Studio:

http://localhost:8081/

完成上述步骤后,可以使用AutoGen Studio开始定制聊天机器人的开发。

探索构建部分

谈到平台界面,AutoGen Studio有两个独立的部分——构建和Playground。构建部分是用各种模型和技能构建代理的地方。Playground部分是与代理互动的地方。

构建部分有四个标签:技能、模型、代理和工作流。每个标签都附带了一些预构建的组件。可以编辑它们或根据需要制作新的组件。

这里有一些预定义的模型,可以编辑。还可以在这里集成各种其他LLM到AutoGen Studio中。

可以按照以下方式添加新模型:

在模型字段中添加模型名称,在API密钥字段中添加API密钥。可以测试模型以确保输入的详细信息是正确的。

技能是基于Python的函数,根据提供的输入返回输出。有一些内置的函数供参考。

可以按照以下方式添加新技能:

from typing import Annotated, Literal Operator = Literal["+", "-", "*", "/"] def calculator(a: int, b: int, operator: Annotated[Operator, "operator"]) -> int: if operator == "+": return a + b elif operator == "-": return a - b elif operator == "*": return a * b elif operator == "/": return int(a / b) else: raise ValueError("Invalid operator")

将Python函数代码添加到技能规范窗口。提及技能的名称和描述。如果任何技能需要API密钥,可以将其添加到机密字段。

一旦有了模型和技能,就可以利用它们来构建代理。

还有一些预构建的代理可以探索。

在预构建的代理中,其中一个是user_proxy代理。这个代理可以用来与其他LLM代理发起对话,并且是人类的代理。由于这个代理像人类的代理一样,所以它不需要任何LLM附加在它上面。

还可以创建一个AutoGen Studio群聊代理,多个代理可以相互交流以达成决策。

要创建一个新代理,点击+新代理并选择助理代理。

如代理配置图像所示,填写适合代理的详细信息。如果需要任何字段的指导,可以使用提供的提示。一旦代理创建完成,将显示两个新标签模型和技能。

在模型和技能标签中,可以指定代理应该访问哪些模型和技能。

在这种情况下,让选择GPT-4o模型和代理的计算技能。

工作流定义了不同的代理如何协作执行任务。可以选择两种交互模式,自主(聊天)和顺序。

要创建新的工作流,点击+新工作流并选择自主(聊天)。

在工作流配置标签中,根据需要填写名称、描述和摘要方法。

llm摘要方法使用LLM来总结对话。最后摘要方法使用对话的最后消息作为摘要。

一旦工作流创建完成,将创建一个新的标签代理。

在代理标签中,添加user_proxy代理作为发起者,计算助理作为接收者。

完成所有这些后,可以选择并测试工作流。

在AutoGen Studio Playground中尝试

现在可以在playground中与构建的代理互动。

创建一个新会话并选择想要运行的工作流,如下所示:

一旦创建了会话,就可以使用工作流来解决任何数值问题。

在这里,还可以探索预构建的工作流。确保为工作流中的代理选择了工作模型。

Q1. AutoGen Studio是什么?
A. AutoGen Studio是一个低代码工具,旨在构建代理聊天机器人。它允许用户创建AI代理,集成各种技能,并开发工作流,而不需要广泛的编码知识。
Q2. 使用AutoGen Studio需要编程技能吗?
A. 需要一些,AutoGen Studio旨在用户友好,需要最少的编码。其直观的界面和预构建的组件使其适用于不同技术水平的用户。
Q3. AutoGen Studio的主要组成部分是什么?
A. AutoGen Studio的主要组成部分包括模型、技能、代理和工作流。AutoGen Studio的LLM集成允许无缝使用大型语言模型来增强聊天机器人的能力,而其他组件定义了聊天机器人的行为和功能。
Q4. 可以自定义AutoGen Studio中的技能和模型吗?
A. 是的,AutoGen Studio允许通过编写自己的Python函数来自定义技能,并提供它们的名称和API密钥来添加新模型。
Q5. 如何测试使用AutoGen Studio构建的聊天机器人?
A. 可以通过在工作流或Playground部分创建新会话并选择想要运行的工作流来测试聊天机器人。这使能够与聊天机器人互动并评估其性能。
沪ICP备2024098111号-1
上海秋旦网络科技中心:上海市奉贤区金大公路8218号1幢 联系电话:17898875485