AIAgent现阶段产品全面盘点与分析

产品

AutoGPT：

自主系统设计现有的自主系统，如AutoGPT[18]，通过将高级目标分解为多个子目标并在ReAct风格的循环中执行它们来自动化任务，但在连贯性和验证方面面临挑战。

LangChain：

帮助结合其他计算工具或知识库开发LLM应用程序。最近，多代理架构被证明是一种有效的设计。

GPTeam：

创建基于LLM的多代理，这些代理共同工作以实现预定的目标。

AgentVerse：

是一个由LLM驱动的多代理场景仿真框架。

Langroid：

构建基于LLM的多代理编程。

SocraticAI：

通过利用多代理在苏格拉底对话中的力量来改进问题解决能力。由于其中大多数并未嵌入高级的人类管理经验，因此它们无法解决更大更复杂的真实世界项目。

MetaGPT：

The Multi-Agent Framework

Chatdev：
AutoGen：
MetaGPT：
GPTEngineer：
Agentrunner：

AutoGPT：

GitHub:

https://github.com/Significant-Gravitas/Auto-GPT

链接：

夸克网盘：https://pan.quark.cn/s/ab1bf0525548
百度网盘：https://pan.baidu.com/s/1f27-XR0wTYrdrWocAin_qQ?pwd=ng0o

MetaGPT：

GitHub：

https://github.com/geekan/MetaGPT

论文地址：

https://zhuanlan.zhihu.com/p/648656905

介绍文章：

特点：

与AutoGPT类似，但针对产品需求、设计、竞争分析、API和文档量身定制。
MetaGPT的方法展示了，将高层次任务分解为由不同角色，比如产品经理、架构师、项目经理、工程师，处理的详细可操作组件的能力。这种方法与人类软件开发团队类似，但优势在于能够提高效率、精确性和一致性。
首先，在电脑上通过「传统安装」过程安装MetaGPT，并输入OpenAI API密钥。把自己的需求通过prompt的形式告诉系统后，就可以看着MetaGPT给你写代码了。

介绍：

MetaGPT出圈！2美元就能当老板GitHub狂揽11.2k星，AI智能体诞生：

https://baijiahao.baidu.com/s?id=1773550861503066658&wfr=spider&for=pc

MetaGPT：用于多智能体合作框架的元编程：

https://zhuanlan.zhihu.com/p/648656905

主要贡献：

我们提出了MetaGPT，一个基于LLM的多代理合作框架，该框架将人类的SOP编码为LLM代理，并从根本上扩展了解决复杂问题的能力。
- 我们设计了一个新的元编程机制，包括角色定义、任务分解、流程标准化和其他技术设计。这样，MetaGPT能够使用SOP开发复杂的软件。
- 我们对python游戏生成、CRUD2代码生成和与AutoGPT[18]、AgentVerse[19]、LangChain[20]以及我们的MetaGPT一起的简单数据分析任务进行了全面实验。
整体结果显示MetaGPT在代码质量和预期工作流的一致性方面都优于其对手
将定义在自然语言中的复杂任务转化为结构化和标准化的输出可以促进协作一致性，减少可能导致不连贯的过多对话轮次的需求

Agentrunner：

官网：

https://www.agentrunner.ai/

特点

AutoGPT 和 AgentRunner.ai 有什么区别？
AgentRunner.ai 和AutoGPT都将“思想”链接在一起以实现复杂的目标。AutoGPT 在终端中运行，AgentRunner.ai 在云中运行，使其更易于非技术用户使用。
目前，AutoGPT 提供的 AI 操作比 AgentRunner.ai 多。例如，AgentRunner.ai 尚不允许代理运行代码。出于安全原因，我们尚不允许代理运行自定义代码。

AgentVerse：

GitHub：

https://github.com/OpenBMB/AgentVerse

中文介绍：

https://github.com/OpenBMB/AgentVerse/blob/main/README_zh.md

论文：

https://arxiv.org/pdf/2308.10848.pdf

特点：

高效的环境构建: 我们的框架提供了一系列基础构建模块，轻松创建多智能体环境。只需在配置文件中写入几行，你就可以轻松建立如LLMs的聊天室这样的基础环境。这个过程包括为LLMs定义环境的设置和提示，使像你这样的研究者能够专注于实验和分析。
可定制组件: AgentVerse通过将多智能体环境分为五个功能模块并定义其各自的接口来简化它。对于不能直接使用AgentVerse提供的基本模块构建的复杂环境，你可以定制这五个功能模块中的一个或多个接口，根据你的要求高效地创建自己的多智能体环境。
工具(插件)利用: AgentVerse支持多智能体环境的工具。目前，AgentVerse支持BMTools中提供的工具。
在你提供openai API 密钥 and the openai 组织码之后，你可以体验NLP教室和囚徒困境两个模拟应用程序。祝你玩得开心！
我们很荣幸地展示了一系列 demos, 包括 NLP教室, 囚徒困境, 软件开发, 数据库运维, 以及一个简单的 H5宝可梦游戏该游戏允许与宝可梦中的角色互动！你可以试玩这些demo，祝你玩得开心！

论文：

为了解决这个问题，我们引入了AGENTVERSE。这个通用的多智能体框架模拟了人类群体的问题解决过程，并允许根据当前的进展动态调整群体成员。具体来说，AGENTVERSE将问题解决过程分为四个关键阶段，如图1所示:

(1)专家招募:根据正在进行的问题解决进展确定和调整代理组的组成。
(2)协作决策:让选定的代理参与联合讨论，制定解决问题的策略。
(3)动作执行(ActionExecution):agent与所处环境相互作用，实现所设计的动作。
(4)评估——评估当前状态和期望结果之间的差异。如果当前状态不能令人满意，则向下一次迭代提供反馈，以便进一步细化

在这项研究中，我们提出了AGENTVERSE，一种新颖的通用多智能体框架，旨在模拟人类群体问题解决过程。我们的综合实验结果突出了AGENTVERSE的有效性，与个体代理相比，它在无数任务中的性能得到了提高。这些任务包括一般理解、推理、编码和工具利用。值得注意的是，当使用适当的工具加强时，AGENTVERSE在处理复杂的用户查询方面始终提供显著的结果。在我们对《我的世界》环境的调查中，我们确定了代理之间积极和消极的紧急社会行为。随着人工通用智能的进步，理解多智能体之间的交互应该变得越来越重要。AGENTVERSE是朝着这一努力迈出的有价值的一步，我们对其潜在的适应性和对未来更广泛的任务和环境的改进持乐观态度
我们在文本理解、推理、编码、工具使用和嵌入式AI等各个方面进行了广泛的实验和案例研究，以展示AGENTVERSE的有效性。此外，我们强调了多智能体协作中出现的社会行为，并讨论了它们的优势和潜在风险。综上所述，我们的贡献是:受人类团队协作过程的启发，我们提出AGENTVERSE作为促进多个代理之间协作解决问题的有效框架。•我们进行了大量的实验，以证明AGENTVERSE有效地提高了智能体的理解、推理、编码、工具利用能力及其在具体化AI中的潜力。•在多智能体协作中，特别是在工具利用和Minecraft游戏中，智能体表现出某些突发行为。例如:(1)志愿者行为，其特征是agent向同伴提供帮助，从而提高团队效率;(2)从众行为，agent在他人的批评下调整自己的偏差行为，使其与共同目标保持一致;(3)破坏性行为，偶尔会导致不希望的和有害的结果。

ChatDev：