Multi-Agent实践第8期：轻松拖拽搭建多智能体应用
前言 在前几期的文章中，我们从浅入深地介绍了如何使用AgentScope构建各种不同的多智能体应用。本期，我们将带您体验AgentScope Workstation——一个零代码、基于拖拽式构建多智能体应用开发平台！在这里，编程经验不再制约您的想象力，每个用户可以轻松实现零代码开发，仅需从丰富的工具栏中挑选和拖拽出心仪的组件，然后像搭积木一般随心所欲地自由组合，就可以创造出既独特又富有创...
Multi-Agent实践第7期：智能体的高效协作
1. 前言 不知不觉中 Multi-Agent 实践系列已经更新到第7期，在之前的文章中已经介绍了众多 AgentScope 支持的有趣的应用。但过去的文章中所介绍的案例都是运行在单台机器上以单进程形式运行，受限于 Python 的全局解释器锁（参见结尾wiki链接），实际只能有效利用一个 CPU 的计算资源，并且无法支持多个用户从自己的电脑上接入同一个 Multi-Agent...
Multi-Agent实践第6期：面向智能体编程：狼人杀在AgentScope
1. 前言 在前几期的文章中，我们带大家了解了怎么去利用AgentScope去编写一些简单应用程序（可以@人的群聊、五子棋）和一些对agent非常有用的技术向的应用（ReAct和RAG）。本期文章，我们会介绍一下AgentScope的一个设计哲学（Agent-oriented programming），然后和大家一起看看在这样的思想指导下设计的AgentScope能如何用比较少的代码量就...
Multi-Agent实践第5期：RAG智能体的应用：让AgentScope介绍一下自己吧
1.前言 在前几期的文章中，我们由浅入深地介绍了怎么用AgentScope构建一个带有@功能的对话、如何搭建一个简单的五子棋游戏，也带领大家一起构建了一个既能动态反思、也能动态决定如何调用工具的ReAct Agent。除了ReAct技术外，另一个能让智能体回答更靠谱、回答内容更切合场景的技术，就是检索增强生成（Retrieval Augmented Generation，RAG...
Multi-Agent实践第4期：智能体的“想”与“做”-ReAct Agent
前言 在前几期的文章中，我们了解了如何利用AgentScope构建一个带有@功能的对话，以及如何搭建一个简单的五子棋游戏。在这些应用中，一个共性是大模型会直接根据提示产生回复，对于简单任务，或许大模型还能够处理。但当我们面对更加复杂的任务时，我们期待大模型变得更加“聪明”，能够应对更多样的场景，解决更加复杂的问题。本期文章，我们将向大家展示如何使用AgentScope内置的Re...
Multi-Agent实践第3期：看智能体下五子棋
前言 在上一期的文章《Multi-Agent实践第2期: @智能体 你怎么看？》中，我们简要介绍了如何使用AgentScope快速构建一个多智能体聊天场景以及可以直接"@"提及某个智能体的群聊功能。本期，我们将带你体验如何实现用AgentScope如何快速实现一个游戏向应用：试试让两个智能体下五子棋～ 因为有些功能性代码比较琐碎，为了文章简洁可能被部分隐去；完整的代码可以参见（...
Multi-Agent实践第2期: @智能体 你怎么看？
前言 在上一期的文章《Multi-Agent实践第1期：5分钟上手AgentScope》中，我们简要介绍了如何使用AgentScope快速构建一个多智能体聊天应用。本期，我们将带你体验如何实现一个更具互动性的多智能体群聊——在这个群聊中，你可以直接"@"提及某个智能体来引发对话。 欢迎关注AgentScope，在github上（https://github.c...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
通义大模型
通义千问大模型家族全面升级更大参数规模模型首次面世，全新通义千问2.0版本欢迎体验。https://tongyi.aliyun.com/
+关注