AutoGen是什么

《[一位外国小哥把整个CNN都给可视化了，卷积、池化清清楚楚！网友：美得不真实...](https://waytoagi.feishu.cn/record/1sfvuPPwj8ZTnMvEQIvVATES6)》项目作者是维也纳的3D特效师，创建该项目的主要目的是帮助初学者更直观地理解卷积神经网络（CNN）的工作原理和连接方式；[OpenAI科学家最新讲座(完整版)：2023年的大模型](https://waytoagi.feishu.cn/wiki/Sm7KwhrHnizzedkL8qqcKSiRnud)作为颇有建树的AI科学家，Hyung Won Chung从Google跳到OpenAI一年多，他刚在网络上所做的LLM技术分享中提供了LLM在2023年的最新动向和大量技术细节，颇有价值。[麦橘-majicMIX realistic麦橘写实🎉V7发布啦](https://waytoagi.feishu.cn/wiki/TZiFwr3A4ibTkzkj1YscWmXMnoh)SD写实大模型发布了，列了很多AI乐园联盟的优质返图，欢迎观看和返图[heading3]10月10日[content]转自小互：[Copilot Voice](https://waytoagi.feishu.cn/record/1sfvuqM18IPxMaECOXyNMWnOo)：用嘴来写代码，通过语音编写代码，直接用嘴指示，无需鼠标，支持代码导航和Visual Studio Code的控制；[AutoGen](https://waytoagi.feishu.cn/record/1sfvuqM18IPxMaECOXz7ZkY5y)：微软开发，通过代理通信实现复杂工作流。协调代理工作，多代理协作在一个工作流中；

LangGraph不是最早支持多代理工作流的框架。市面上多代理工作流框架之间的主要区别在很大程度上存在于它们引入的心智模型和概念中。[heading3]Autogen[content]Autogen被视为最早的多代理框架。LangGraph和Autogen之间心智模型最大的区别在于代理的构建方式。LangGraph更喜欢一种方法,其中明确定义不同的代理和转换概率,并将其表示为图形。Autogen将其表示为更像“对话”。我们认为这个“图”框架使其在构建更复杂和更有见地的工作流程时更具直观性和更好的开发人员体验,在这些工作流程中,您真正想要控制节点之间的转换概率。它还支持不明确归入“对话”范畴的工作流程。LangGraph和Autogen之间的另一个关键区别是LangGraph完全集成到了LangChain生态系统中,这意味着您可以充分利用LangChain的所有集成和LangSmith可观察性。[heading3]CrewAI[content]我们要突出的另一个关键框架是CrewAI。CrewAI最近出现为一种流行的方式来创建多代理“团队”。与LangGraph相比,CrewAI是一个更高级别的框架。事实上,我们正在与CrewAI团队积极合作,将LangGraph集成到CrewAI中!我们认为CrewAI到达了一个「很棒的」更高级别的DevEx,我们希望支持这一点。

我们需要有一种机制来跟AI明确地描述它有哪些工具，每个工具分别是做什么的，它的输入输出是什么，AI可以以怎样的方式调用。这部分工业界还没有一个成熟的标准，有一些企业在试图推一些开放性的标准，比如Anthropic的Model Context Protocol（MCP）。你只要把你的工具用这种协议描述出来，支持这个协议的AI就可以调用你的工具。当大家都使用同一种标准的时候，互相协作配合就会简单很多。当然，现在还是Agentic AI发展的早期，就算不支持这个Anthropic倡导的协议，我们也有很多其他的标准，比如Open Web UI也有自己的协议，甚至我们也可以自己定义一个私有协议都可以。Orchestrator：多步执行与并行策略的中控台虽然说到Agentic AI，网上大多数文章主要在描述Agent Orchestrator这个组件，但它可能是确定性最高的一个部分。这个Orchestrator会维持一个多部决策的工作流，它会根据我们布置的任务调用LLM，来决定需要使用什么工具，以及根据LLM的回应，真的去调这个工具，并且把结果返回给LLM，然后再进行下一步的推理，它可能还会实现一些并行等等功能，来加速整个推理的过程。这方面业界也有了一些工具，比如Microsoft有个[AutoGen](https://github.com/microsoft/autogen)，但是目前也没有一个非常成熟统一的库或者框架。