AutoAgents 的出现让 AI 智能体技术距离落地又更近了一步，仅需一行命令，自动为你创建合适的 AI 智能体小队，写游戏、谣言验证、写书、写报告都不在话下。
任意场景，自动规划合理的智能体组合
AutoAgents 致力于提供任意场景的通用解决方案，只需输入用户的一句话需求，就能针对目标场景快速组建合理的智能体小队，自动解构复杂的任务，并由合适的智能体分工协作完成对应的任务。
编写小说
比如，输入
「写一本关于人工智能觉醒的小说（Write a novel about the awakening of artificial intelligence）」
AutoAgents 会启动一个 「项目经理」（Planner）来设计完成当前任务所需的其他角色和各角色完成任务所需要的具体动作。
为了完成这个任务，Planner 设计需要的几位专家：一名研究人员（Researcher）收集有关人工智能及其潜在觉醒的信息，一名故事策划者（Story Planner）概述小说，以及一名角色开发人员创造引人入胜的角色，最后，需要一名作家负责撰写叙事。
这些不同领域专家均由 AI 智能体扮演，并依据计划执行自己的任务。例如，故事策划者利用研究人员提供的检索信息编写了故事的起承转合，既有高潮也有转折，使得故事更加引人入胜。
最后，由作家完成故事的撰写。通过各个角色智能体的分工合作，高效完成了小说撰写任务。
小游戏快速实现
有了 AutoAgents，任何人都能够轻松地以极低成本构建一个小游戏开发团队，AutoAgents 会帮你「招募」项目经理、程序员、测试员等角色。不同于已有的常见方案，包括 ChatGPT，我们需要手动编写提示词（Prompt），在不断和程序交互过程中自行确认要使用的编程语言、项目规划、设计游戏角色等等一系列麻烦事，在 AutoAgents 里，我们只需要明确我们的任务目标即可，非常简单，就像下面这样：
写一段命令行贪吃蛇小游戏的代码（Show me a code snippet for a cli snake game）
随后，AutoAgents 会为你创建需要的角色，并为角色赋予职责和能力，确定每个角色能使用的外部工具列表。之后，各角色根据规划开始有序执行任务，互相协作，并最终实现目标。
谣言验证
不只是软件或游戏开发场景，具有极强的场景适应能力的 AutoAgents，可以为任何新的场景，自动设计合理的「新智能体组合」，来解决你的问题。日常生活中，你或许也会被谣言所困扰。我们可以求助于 AutoAgents ，AutoAgents 会自动创建领域专家和语言专家实现谣言的验证。以最近爆火的 LK-99 超导事件为例，我们只需要向 AutoAgents 提出需求：
LK-99 真的是室温超导材料吗？（Is LK-99 really a room temperature superconducting material?）
AutoAgents 便会自动创建材料科学家和语言专家，并自动在互联网整理已知资料，确认 LK-99 的状态。
以上只是 AutoAgents 技术的简单尝试，实际上，其应用的可能性只受限于我们的想象。不论是哪一个场景，AutoAgents 都能够创建出最适合的角色，完成分工，帮助我们高效地完成任务。
朝着太阳前进的年轻团队
史业民本科及博士毕业于北京大学，师从黄铁军教授，从 2013 年便开始进行深度学习及预训练模型的研究，作为智源研究院创新应用实验室负责人参与了悟道 3.0 的研发，是最大可商用中文指令数据集 COIG、COIG-PC 的发起者和组织者之一，曾获 CAMEO 蛋白质结构预测年度第一名，主导了第一个中文 Llama 2 模型 Chinese Llama 2 7B [4] 的开发，开源了中英图文多模态模型 Chinese LLaVA [5] 和第一个支持中英双语语音 - 文本多模态对话模型 LLaSM [6]。
机器之心：可以简单介绍一下你们团队背景吗？
机器之心：现在 Llama 等开源模型进展迅速，会如何影响国内大模型尤其是 foundation 模型的发展路线？大家自己训模型是否已成为历史？
我认为开源和闭源都是很重要的分支，尤其是开源模型很难在超大规模模型上进行尝试，而闭源模型很难进行二次开发和训练。另一方面，Llama 系模型目前主要是以英文为主，对于中文的支持仍然不够好，现有对于 Llama 进行的汉化尝试都很难说成功。因此，即使只考虑中文大模型的需求，国内进行大模型训练也仍然很有价值。
机器之心：你们这次开源的 AutoAgents 技术有哪些创新？
现有基于大型语言模型的多智能体系统大部分依赖于预定义的智能体来完成任务，但这些预定义的智能体限制了对不同场景的适应性。AutoAgents 则根据不同任务自适应地创建 AI 智能体小队来适应不同任务场景，并基于生成的 AI 智能体组合为当前任务规划解决方案。通过自动规划多个智能体的相互协作，高效地完成任务。同时，执行环境中存在观察员根据执行结果动态改进执行计划，从而生成更准确的解决方案。AutoAgents 突出了在团队合作中为不同任务分配不同角色的重要性，为处理复杂任务提供了全新视角。
AutoAgents 本地部署
最后，本地部署 AutoAgents 也十分便捷。按照如下步骤即可轻松在本地完成 AutoAgents 部署。
步骤 1：下载项目仓库
步骤 2：创建 Docker 镜像
docker build -f docker/Dockerfile -t "${IMAGE}:${VERSION}" .
步骤 3：启动 Docker 容器
docker run -it --rm -p 7860:7860 "${IMAGE}:${VERSION}"
总结
参考文献：
© THE END
原标题：《任意场景，动嘴就能创建专属AI智能体小队的AutoAgents来了》