序言
最近很长段时间没有更新AIGC文章了，但是始终在学习着、更新着自己的AIGC知识库，今天呢，我们来搞一个很有意思的体验。各位一起来尝试下我们自己造一个AI管家和一个AI助理，然后我们只需要派发命令，于是两个AI开始聊天，欸~，聊着聊着呢，就把任务办完了！不信？请看！
前奏（准备工作）
我们最重要的是我们能够获取一个还有Tokens（余额）的api_key，然后就是要用到的Colab网站。
如何获取APIkeys？
首先我们进入到OPENAI的官网并且登入，然后我们会看到两个选项框 点击API框
进入API页面后 鼠标移动到左侧选项栏并点击API keys创建一个APIkey
然后点击创建一个新的APIkey
点击Create secret key创建(随便给个名字) 然后点击复制按钮
到这里你就获取到了你的API_key啦，于是我们准备工作就做完了，下一步直接进入我们今天的主题——把任务交给Autogen！
使用Colab进行编写
1、首先我们需要创建一个新的笔记本
2、安装pyautogen包
点击+代码输入以下指令：
!pip install pyautogen~=0.1.0 -q -U
然后点击运行 效果和我一样则说明你的包已经安装成功了
解释下代码：
!符号是Colab中用于执行系统命令的标志。pip install是Python包管理器pip的命令，用于安装Python包。pyautogen~=0.1.0指定要安装的pyautogen包的版本为0.1.0。~=0.1.0是一种版本约束，表示安装0.1.0版本及其向后兼容的版本，但不包括下一个主要版本。-q选项表示“安静”模式，即在安装过程中减少输出信息。-U选项表示升级已安装的包到最新版本。
总的来说呢，这行代码的目的是在Colab中安装
pyautogen包的特定版本，并确保安装过程中的输出信息较少。
配置多个大模型
点击+代码输入以下指令：
config_list = [{
'model': 'gpt-3.5-turbo',
'api_key': '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'
}]
llm_config = {
"timeout": 600,
"config_list": config_list,
"temperature": 0
}
然后点击运行 效果和我一样则说明你的包已经安装成功了
解释下代码：
'model': 指定要使用的模型，我们这里选择使用的是'gpt-3.5-turbo'模型'api_key': 指定 OpenAI API 的密钥，博主的这个API Key已失效不用担心哈😋，但请注意，API 密钥通常是敏感信息，应当妥善处理。
接下来，我们定义了一个名为
llm_config的字典，用于进行一些信息的配置：
'timeout': 设置请求的超时时间为 600 秒，即如果请求在 600 秒内没有完成，就会超时。'config_list': 键值就是之前我们定义的config_list这个变量，用于指定使用的模型和 API 密钥。'temperature': 设置生成文本时的温度参数为 0。用于控制生成文本的随机性，值越低自由度更低，值越高则反之。
总的来说，我们这段代码是为了配置一个 OpenAI 语言模型的使用环境，其中包括选择模型、设置 API 密钥以及其他生成文本的参数。
实例化用户代理agent对象 管家
安装完包和配置完环境后，我们就开始邀请我们今天的两位主角登场了~
点击+代码输入以下指令：
import autogen
# 实例化用户代理agent对象 管家
# 授权
user_proxy = autogen.UserProxyAgent(
name="user_proxy",
human_input_mode="TERMINATE",
max_consecutive_auto_reply=10,
# 代码的执行目录是？当前目录
code_execution_config={"work_dir":"."},
system_message="Reply TERMINATE if the task has been solved at full satisfaction.Otherwise, reply CONTINUE, or the reason why the task is not solved yet."
)
# 助理Agent
assistant = autogen.AssistantAgent(
name="assistant",
# 由大模型给予
llm_config=llm_config
)
然后点击运行 效果和我一样则说明你的包已经安装成功了
解释下代码：
-
首先导入
autogen库。 -
然后创建一个
管家对象，命名为user_proxy，我们实例化这个代理主要负责处理用户的输入和指令。后面就是一些基本的语法格式，用于给这个代理配置了一些参数，如代理的名称(name)、人工输入模式(human_input_mode)等等。 -
最后创建一个
助理代理对象，命名为assistant，配置该代理使用我们之前定义的llm_config配置，表示使用 OpenAI 语言模型进行文本生成。
总的来说，我们是在设置一个自动生成文本的
环境，包括管家和助理，管家负责处理用户输入和交互，助理使用 OpenAI 语言模型生成文本回复。
开始派发任务 进行对话
点击+代码输入以下指令：
user_proxy.initiate_chat(
assistant,
message="""
List all the files in the sample_data folder
"""
)
然后我们点击运行，查看效果：
这里我们派发任务给管家让它落实一下任务给助理，任务内容（message）就是：List all the files in the sample_data folder,然后点击运行，我们可以看见它实现了我们的任务，并且还犹如真实的生命般给予效果反馈：
总结
今天的内容就到此结束啦，总的来说就是体验一下脱手当一回老板，派发任务给下属，感受一下坐收其成的Feeling！是不是感觉很有趣？当然今天要实现的任务并不是很复杂，主要带着大家一起来感受一下AIGC的力量，在未来的发展中，我相信通过更多丰富强大的大模型和轻巧的AI框架能够让更多的人接触并轻松使用AI的强大力量，让我们一起相信、贡献、学习着。
那么到了这里我们今天的文章就结束啦~
创作不易，如果感觉这个文章对你有帮助的话，点个赞吧♥
更多内容：MDN开发文档中你不知道的方法（2）——Array.prototype.filter()
