README_CN.md

MetaGPT：多角色元编程框架

English / 中文

目标

1. 我们的最终目标是让 GPT 能够训练、微调，并最终利用自身，以实现自我进化
   1. 一旦 GPT 能够优化自身，它将有能力持续改进自己的性能，而无需经常手动调整。这种自我进化使得 AI 能够识别自身改进的领域，进行必要的调整，并实施那些改变以更好地达到其目标。这可能导致系统能力的指数级增长
2. 目前，我们已经使 GPT 能够以团队的形式工作，协作处理更复杂的任务
   1. 例如，startup.py 包括产品经理 / 架构师 / 项目经理 / 工程师，它提供了一个软件公司的全过程
   2. 该团队可以合作并生成用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等

哲学

软件公司核心资产有三：可运行的代码，SOP，团队。有公式：

可运行的代码 = SOP(团队)

我们践行了这个过程，并且将SOP以代码形式表达了出来，而团队本身仅使用了大模型

示例（均由 GPT-4 生成）

1. 这里的每一列都是使用命令 python startup.py <requirement> 的要求
2. 默认情况下，每个示例的投资为三美元，一旦这个金额耗尽，程序就会停止
   1. 生成一个带有分析和设计的示例大约需要**$0.2** (GPT-4 api 的费用)
   2. 生成一个完整项目的示例大约需要**$2.0** (GPT-4 api 的费用)

	设计一个支持 GPT-4 和其他 LLMs 的 MLOps/LLMOps 框架	设计一个像 Candy Crush Saga 的游戏	设计一个像今日头条的 RecSys	设计一个像 NetHack 的 roguelike 游戏	设计一个搜索算法框架	设计一个简约的番茄钟计时器
竞品分析
数据 & API 设计
序列流程图

安装

# 第 1 步：确保您的系统上安装了 Python 3.9+。您可以使用以下命令进行检查：
python --version

# 第 2 步：确保您的系统上安装了 NPM。您可以使用以下命令进行检查：
npm --version

# 第 3 步：克隆仓库到您的本地机器，并进行安装。
git clone https://github.com/geekan/metagpt
cd metagpt
python setup.py install

配置

• 您可以在 config/key.yaml / config/config.yaml / env 中配置您的 OPENAI_API_KEY
• 优先级顺序：config/key.yaml > config/config.yaml > env

# 复制配置文件并进行必要的修改。
cp config/config.yaml config/key.yaml

变量名	config/key.yaml	env
OPENAI_API_KEY # 用您自己的密钥替换	OPENAI_API_KEY: "sk-..."	export OPENAI_API_KEY="sk-..."
OPENAI_API_BASE # 可选	OPENAI_API_BASE: "https://<YOUR_SITE>/v1"	export OPENAI_API_BASE="https://<YOUR_SITE>/v1"

示例：启动一个创业公司

python startup.py "写一个命令行贪吃蛇"

运行脚本后，您可以在 workspace/ 目录中找到您的新项目。

背后的运作原理？这是一个完全由 GPT 驱动的创业公司，而您是投资者

一个完全由大语言模型角色构成的软件公司（仅示例）	一个软件公司的SOP可视化（仅示例）

代码实现

from metagpt.software_company import SoftwareCompany
from metagpt.roles import ProjectManager, ProductManager, Architect, Engineer

async def startup(idea: str, investment: str = '$3.0', n_round: int = 5):
    """运行一个创业公司。做一个老板"""
    company = SoftwareCompany()
    company.hire([ProductManager(), Architect(), ProjectManager(), Engineer()])
    company.invest(investment)
    company.start_project(idea)
    await company.run(n_round=n_round)

示例：单角色能力与底层LLM调用

框架同样支持单角色能力，以下是一个销售角色（完整示例见examples）

from metagpt.const import DATA_PATH
from metagpt.document_store import FaissStore
from metagpt.roles import Sales

store = FaissStore(DATA_PATH / 'example.pdf')
role = Sales(profile='Sales', store=store)
result = await role.run('Which facial cleanser is good for oily skin?')

框架也支持LLM的直接接口

from metagpt.llm import LLM

llm = LLM()
await llm.aask('hello world')

hello_msg = [{'role': 'user', 'content': 'hello'}]
await llm.acompletion(hello_msg)

联系信息

如果您对这个项目有任何问题或反馈，欢迎联系我们。我们非常欢迎您的建议！

• 邮箱： alexanderwu@fuzhi.ai
• GitHub 问题： 对于更技术性的问题，您也可以在我们的 GitHub 仓库 中创建一个新的问题。

我们会在2-3个工作日内回复所有的查询。

演示

blackjack	adventure-game	2048	pomodoro-timer

demo-cli-blackjack-compress.mp4