DataWhale的MetaGpt学习笔记——①_metagpt 执行文件在哪里-优快云博客

Mission1:配置基本环境

按照官网上的环境配置教程，我们直接在D盘下面开一个目录，并且用Anaconda创建一个项目，这个文件名叫什么都可以，最关键的来了

Python解释器的选取

我之前一直使用的是3.11版本的解释器的虚拟环境，然后调用的是openai的GPT3接口。但是我发现一个问题，执行这个项目的时候一直是报错的。

我当时很有执念，一直以为是我自己的问题，直到我发现pip install openai之后,import openai是报错的，找不到里面的部分包名。。。

所以如果你使用的是openai的接口，那我还是建议你使用3.9的解释器，因为openai貌似最新版本的接口就是3.9的，并且MetaGpt最低版本支持也是3.9。

环境的配置

不需要pip install -r requirements.txt了，直接cd 进入github上面clone的包，然后按照官方文档上操作就行了。

git clone https://github.com/geekan/MetaGPT.git
cd /your/path/to/MetaGPT
pip install -e .

然后我们会得到这样一个项目

LLM的配置

我这里使用的是openai的模型，我的配置文件如下

# Full Example: https://github.com/geekan/MetaGPT/blob/main/config/config2.example.yaml
# Reflected Code: https://github.com/geekan/MetaGPT/blob/main/metagpt/config2.py
# Config Docs: https://docs.deepwisdom.ai/main/en/guide/get_started/configuration.html
llm:
  api_type: "openai"  # or azure / ollama / groq etc.
  model: "gpt-3.5-turbo"  # or gpt-3.5-turbo
  #base_url: "https://api.openai.com/v1"  # or forward url / other llm url
  base_url: "https://api.bianxieai.com/v1"
  api_key: "这里填写自己申请的API_KEY"
  proxy: "填自己的代理地址加上端口号"

我这里用的不是官网的API，因为我的到期了，所以我用了一个中转API，大家可以参考一下，因为自己办虚拟卡号开卡费太贵了，也容易被封号。

用了中转API记得自己修改base_url，proxy就可以不用填写了。

2.第一个代码案例

我们直接跑example里面的代码就行

注意，一个任务文本越多耗费token也多，如果不是富哥建议减少一点使用量。

3.FAQ：

导入openai错误

下载Anaconda并且重新设置一个3.9的python环境

RateLimitError

两种可能：Token被耗费完了，需要充值，还有就是短时间内请求次数过多，解决方案是用付费的中转API

TypeError:OpenAi.types.comletition_usage

这个问题我探究了很久，本质上是OPENAI自己的API接口的设计问题

我们点开报错的界面

将
if hasattr(chunk, "usage")

改为

if hasattr(chunk, "usage") and chunk.usage is not None: