Question 1

Nobeni devcontainerji se ne gradijo zaradi “Hash sum mismatch”, kaj naj storim?

Accepted Answer

Gre za občasni problem, ki ga najverjetneje povzročajo kombinacije težav z zrcali in posredniki. Če se pojavi, poskusite zamenjati korak apt-get update z naslednjim: RUN echo "Acquire::http::Pipeline-Depth 0;" > /etc/apt/apt.conf.d/99custom && \ echo "Acquire::http::No-Cache true;" >> /etc/apt/apt.conf.d/99custom && \ echo "Acquire::BrokenProxy true;" >> /etc/apt/apt.conf.d/99custom && \ apt-get clean && \ rm -r /var/lib/apt/lists/* && \ apt-get update -o Acquire::CompressionTypes::Order::=gz && \ apt-get -y update && \ apt-get install sudo git npm # ter druge pakete, ki jih je potrebno namestiti v tej različici devcontainerja. To je kombinacija predlog s StackOverflow, ki so na voljo tukaj in tukaj.

Question 2

Kaj naj naredim, če dobim napako "TypeError: Assistants.create() got an unexpected keyword argument 'file_ids'"?

Accepted Answer

Ta napaka se običajno pojavi, ko uporabljate različico Autogen starejšo od 0.2.27 v kombinaciji z različico OpenAI knjižnice 1.21 ali novejšo. Starejša različica Autogen ne podpira parametra file_ids, ki ga uporablja novejša različica OpenAI API-ja. Za odpravo težave nadgradite knjižnico Autogen na različico 0.2.27 ali višje, ki zagotavlja združljivost med Autogenom in OpenAI knjižnico. pip install --upgrade autogen

Question 3

Agenti javljajo napako, ker Docker ne teče, kako to rešim?

Accepted Answer

Če AutoGen poganjate lokalno, je privzeto nastavljeno, da agenti, ki izvajajo kodo, poskušajo izvajati kodo znotraj Docker kontejnerja. Če Docker ne teče, agent sproži napako. Za rešitev imate več možnosti.

Question 4

Ko uporabljamo autogen Docker, je vedno potrebno ponovno namestiti module?

Accepted Answer

"use_docker" argument v agentovem code_execution_config bo po zaključku pogovora nastavljen na ime slike, ki vsebuje spremembe po izvedbi. To ime slike lahko shranite. Za nov pogovor lahko "use_docker" nastavite na shranjeno ime slike, da se izvajanje začne tam.

Question 5

Kako dobiti sporočila vsakega agenta?

Accepted Answer

Prosimo, preglejte https://microsoft.github.io/autogen/docs/reference/agentchat/conversable_agent#chat_messages

Question 6

Kako dobiti zadnje sporočilo?

Accepted Answer

Oglejte si https://microsoft.github.io/autogen/docs/reference/agentchat/conversable_agent/#last_message

Question 7

Zakaj koda ni shranjena v datoteko?

Accepted Answer

Če uporabljate prilagojeno sistemsko sporočilo za kodirnega agenta, vključite nekaj takega: Če želite, da uporabnik pred izvrševanjem shrani kodo v datoteko, vstavite # filename: <filename> kot prvo vrstico znotraj kode v sistemskem sporočilu. Ta vrstica je v privzetem sistemskem sporočilu AssistantAgenta. Če se # filename v predlagani kodi ne pojavi, razmislite o dodajanju izrecnih navodil, kot je "shranite kodo na disk" v začetnem sporočilu uporabnika v initiate_chat. AssistantAgent privzeto ne shrani vse kode, ker obstajajo primeri, ko želite le končati nalogo brez shranjevanja kode.

Question 8

Kako odločimo, kateri LLM se uporabi za vsakega agenta? Koliko agentov lahko uporabimo? Kako se odloča, koliko agentov naj bo v skupini?

Accepted Answer

Vsak agent je mogoče prilagoditi. Za vsakega agenta lahko uporabite LLM, orodja ali ljudi. Če za agenta uporabljate LLM, izberite tistega, ki je najbolj primeren za njegovo vlogo. Število agentov ni omejeno, vendar začnite z majhnim številom, npr. 2 ali 3. Bolj kot je LLM sposoben in manj vlog morate pokriti, manj agentov potrebujete. Privzeti uporabniški proxy agent ne uporablja LLM. Če želite v UserProxyAgent uporabiti LLM, lahko to storite za simulacijo vedenja uporabnika. Privzeti pomočniški agent je usmerjen k uporabi tako kodirnih kot jezikovnih veščin; ne mora nujno kodirati, odvisno od nalog. Sistem sporočilo lahko prilagodite, zato če ga želite uporabljati za kodiranje, izberite model, ki je dober pri kodiranju.

Question 9

Ali lahko uporabljam modele, ki niso iz OpenAI?

Accepted Answer

Da. Trenutno imate dve možnosti: Autogen lahko deluje z vsakim API končnim točkom, ki je skladen z OpenAI‑compatible RESTful API‑ji – npr. z lokalnim LLM prek FastChat ali LM Studio. Oglejte si https://microsoft.github.io/autogen/blog/2023/07/14/Local-LLMs za primer. Lahko zagotovite lastno implementacijo modela in jo uporabite z Autogenom. Za več informacij preverite https://microsoft.github.io/autogen/blog/2024/01/26/Custom-Models.

AutoGenOdprtokodni Python okvir za gradnjo večagentnih LLM aplikacij, ki sodelujejo pri reševanju nalog.

Pregled

Ključne funkcije

Cene

Primeri uporabe

Konzervacijska AI

Delavnice za LLM

Sistemi za vsebne agente

Optimirane inferencije

Prednosti in slabosti

Prednosti

Slabosti

Rekord bitk

Last battle

Ocene

Skeptical, then convinced

Solid for our team

Compared a few options

Skeptical, then convinced

Vprašanja

Postavi vprašanje

Alternative za Izvajanje Agentov

Pregled

Ključne funkcije

Cene

Primeri uporabe

Konzervacijska AI

Delavnice za LLM

Sistemi za vsebne agente

Optimirane inferencije

Prednosti in slabosti

Prednosti

Slabosti

Rekord bitk

Last battle

Ocene

Skeptical, then convinced

Solid for our team

Compared a few options

Skeptical, then convinced

Vprašanja

Postavi vprašanje

Alternative za Izvajanje Agentov

Trending now