冷萃美式的博客

参照单智能体的测试case。

action是动作的逻辑抽象，通过将预设的prompt传入llm，来获取输出，并对输出进行格式化具体的实现如下定义prompt模版prompt是传给llm的入参，所以llm对prompt的需求解析越准确，那么llm的输出就会越符合我们的诉求如何抽象出最合适的prompt模版your code:"""调用llm生成代码通过传入的instruction参数来格式化llm入参，之后通过aask调用llm进行输出。因为llm的输出是并不一定会符合我们的诉求，所以需要按照需求对output进行格式化。

因为chatgpt的核心是调用llm，所以在运行chatgpt服务的时候，我们先准备好调用llm所必须的key。可以看到生成的项目内容还是很完善的，有产品文档、竞争力分析、数据流程图等等。而且也可以通过日志去查看各个role之间的交互。在安装目录下有conf，可以在**通过python 插件来安装。**的配置文件里面指定key。路径下就能查看你生成的项目。运行结束后在当前目录下的。metagpt 的获取。通过github来获取。