Multi-Agent释放AI生产力：你加上AI就是一个团队！

注意，本文千万不要让老板看到，否则：裁员！必须裁员！研发部门原地解散！

上篇已经看到，DeepSeek并不缺乏打工的能力，如果能有效组织AI，AI的生产力就可以被极大地释放出来。那么到底能不能实现以下假设：

1只程序猿 + AI = 1家软件公司

很容易想到两个思路：

1、用Multi-Agent（多智能体）模拟软件公司开发流程，通过分配角色（如产品经理、架构师、工程师等）和标准化操作程序，实现从需求分析到代码生成的全流程自动化；

2、训练一个leader模型，理解目标，分解任务，领导各种AI牛马干活。

显然第一种方法更加容易实现一些，第二种方法于我而言成本太高。

为什么是Multi-Agent？

在上一篇中，我们已经使用了HTTP请求的方式调用大模型，这种方法简单有效。但是，难道没有封装好的框架直接用的吗？显然有，比如OpenAI客户端，但它还是太灵活了。有没有更像打工人的？当然有，那就是AI-Agent，典型代表有聊天助手型的LangChain（擅长上下文记忆）给一个人设陪你聊到天荒地老；索引百科型的LlamaIndex （擅长自建知识库检索）给它知识它就是你专属的领域知识专家。那我们直接用Agent行不行？行，但是如果你想要解决复杂问题，就需要分解任务，多角色协作，管理不同Agent，多Agent通信。这，难道没有手脚架吗？有，答案就是Multi-Agent。

那么问题来了，用哪个Multi-Agent好呢？DeepSeek是这么说的。

虽然DeepSeek说选择AutoGen和LangGraph比较好，但我偏不听！我认为最好的选择是MetaGPT，因为它对软件公司场景更有针对性。

于是反手就安装了MetaGPT：

翻到文档找软件公司Demo：

不好意思，来早了，让我们期待MetaGPT更新。

（前面的删掉重写！）

我认为用Multi-Agent实现软件公司最好的选择是AutoGen（已老实）。它灵活易用，文档齐全，学习曲线友好。

找到官方文档中代码相关示例。

大意是：如何使用 AssistantAgent 和 UserProxyAgent 编写并执行代码。

简单来讲：

• AssistantAgent 负责写代码。

• UserProxyAgent 负责执行代码。

• 设置参数规定UserProxyAgent 是向人类用户请求反馈，还是根据执行结果向 AssistantAgent 自动反馈。

• AssistantAgent 将调试并编写新代码。

• 两个代理会一直相互通信，直到任务完成。

也就是说，它可以完成写代码的闭环反馈。不管是反馈结果给人类获取进一步行为的反馈，还是反馈给助手获取报错信息，它可以通过反馈调整行为，反复循环，直到输出令人满意的结果。

用图来表示就是：

听起来很不错，对吧？让我们上手试一试。目前最新版本是0.4，0.2版本的文档比较齐全，所以还是用0.2。

官方教程已经写的很详细就不再堆代码了。参考：https://microsoft.github.io/autogen/0.2/docs/notebooks/agentchat_auto_feedback_from_code_execution/#example-task-check-stock-price-change

那么问题来了，示例中用的GPT-4o，到底能不能换成DeepSeek？

我试过了，只要支持OpenAI接口，换啥都行。但是DeepSeek接口超时，换了Kimi，瞬间就跑起来了。如果你足够土豪不考虑硬件成本，也可以拉一个本地模型起来玩玩。

下图中两个Agent正在对话。（由于已知的网络原因我更改了示例中的任务message，没有让它查美股，而是让它查询并比较一下今天北京和上海的天气）

卡住了，卡在了没有天气接口的API key。不过生成的代码看起来不错。

一个程序猿加一个测试的配置还是太简单，让我们来试一试能不能把它变成软件公司。

显然，我不想自己写代码，那就让DeepSeek来码一下代码吧，DeepSeek陷入了沉思...

最终，它还是出色地完成了任务。

经过几轮Bug修改之后，软件公司成功跑起来了。

这一秒，我觉得我强的可怕。但很快，API限制将我拉回现实。

程序员最终干掉了自己。

如果AI可以感知反馈调整自己的行为，那么它将是无敌的存在。教员在《实践论》中说过：根据于一定的思想、理论、计划、方案以从事于变革客观现实的实践，一次又一次地向前，人们对于客观现实的认识也就一次又一次地深化。当AI学会了“实践-反馈-评估-调整-再实践”，而且极具耐心，不带情绪，坚持不懈，那AI有什么事情干不成？

下一篇，我想尝试一下用AI真正做点什么事情。想看，就点个关注吧～