LLM 自主智能体应用实战课
李锟
资深软件架构师,前阿里巴巴高级技术专家
1255 人已学习
新⼈⾸单¥59
登录后,你可以任选4讲全文学习
课程目录
已更新 12 讲/共 24 讲
准备篇:掌握 LLM 应用开发的必备基础 (2讲)
LLM 自主智能体应用实战课
15
15
1.0x
00:00/00:00
登录|注册

11|使用Swarm实现Autonomous Agent应用

你好,我是李锟。
在上节课中,我们安装好了 Swarm,运行了第一个例子,然后一起学习了 Swarm 的官方文档。这节课我们把上节课学到的新知识投入实战,基于 Swarm 开发我们的 24 点游戏智能体应用。
我们之前已经基于 MetaGPT、AutoGPT 实现过两次这个应用,这节课要做的工作就是将之前的设计移植到 Swarm。

角色建模和工作流设计

首先我们要做的工作还是针对 Swarm 来做角色建模和工作流设计。
从概念上讲,Swarm 应用中的概念其实更接近 AutoGPT。Swarm 的两个核心概念是 Agent(智能体)和 Handoff(移交),Agent 与 AutoGPT 的 Agent 对应,Handoff 对应着 AutoGPT Builder 图形界面中两个 Agent 之间的那些连接关系(连接线以及相关的输入、输出数据)。因此 Swarm 版 24 点游戏智能体应用的角色建模和工作流设计与 AutoGPT 版完全相同,同样也划分为 4 个 Agent:GameDealerMathProdigyGameJudgerGamePlayer
我直接把 08 课中的流程图复制过来。
因为 Swarm 的每一个 Agent 在运行 client.run() 时都需要访问 LLM,而我们之前在实现 MetaGPT、AutoGPT 版的 24 点游戏智能体应用时,MathProdigy 和 GamePlayer 这两个 Agent(或 Role)是没有访问 LLM 的。对于 MathProdigy 和 GamePlayer,貌似最直接的方式是不使用 Swarm 的 Agent,而是用自定义的类来实现。这样做确实也能实现 24 点游戏智能体应用,不过为了展示 Swarm 调用外部函数(外部工具)的能力,也为了代码的一致性,我决定把它们 4 个全部实现为 Swarm 的 Agent。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
  • 解释
  • 总结

1. 介绍了如何使用Swarm实现Autonomous Agent应用,以24点游戏智能体应用为例进行讲解。 2. 详细介绍了Swarm应用中的核心概念Agent和Handoff,以及对应的角色建模和工作流设计。 3. 提到了实现Agent的外部函数和提示词模板的重要性,以及具体的实现方式和代码示例。 4. 展示了创建4个Agent对象实例的过程,以及设置model为"qwen2.5"的重要性。 5. 修改了Agent的外部函数实现,使其返回Result对象而不是字符串。 6. 对Swarm进行了修改,以便调用下一个Agent及其对应外函数。 7. 修改了Agent的业务函数,合并了原有的3个函数为一个新的业务函数。 8. 介绍了对Swarm的修改和调试过程,以及对应的代码实现。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《LLM 自主智能体应用实战课》
新⼈⾸单¥59
立即购买
登录 后留言

精选留言

由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论
显示
设置
留言
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部