AI智能体开发课件第21章

AI智能体开发新手必修课第21章：实战：Autogen实现多角色协作智能体讲师：资深AI工程师|日期：2026年3月课程简介学习目标掌握使用Autogen实现多角色协作智能体的方法。能够设计复杂的多角色协作场景。能够使用Autogen解决实际问题。内容概览案例一：产品设计模拟案例二：国际象棋对战案例三：文本知识库智能检索本章内容将围绕三个实战案例展开，希望能帮助大家快速掌握这一强大的工具。目录案例一：产品设计模拟使用Autogen搭建产品设计模拟工作流案例二：国际象棋对战使用Autogen搭建国际象棋对战工作流案例三：文本知识库智能检索使用Autogen搭建文本知识库智能检索工作流互动实操任务使用Autogen搭建一个文本知识库智能检索智能体常见问题排查与本章总结回顾重点知识，解决常见报错与疑问案例一：产品设计模拟任务目标使用Autogen搭建产品设计模拟工作流，包含“产品经理、UI设计师、前端工程师、后端工程师”四个Agent，针对需求讨论并输出PRD文档。实现思路1.角色定义：创建对应四个岗位的Agent角色。2.群聊管理：建立群聊管理器并将所有Agent加入。3.启动对话：管理器调度Agent讨论，自动输出PRD。产品设计模拟工作流示意图产品设计模拟代码示例（1）importautogen#定义产品经理Agentpm=autogen.ConversableAgent("product_manager",system_message="你是一名产品经理，负责需求分析和PRD撰写。")#定义UI设计师Agentui_designer=autogen.ConversableAgent("ui_designer",system_message="你是一名UI设计师，负责界面设计和原型制作。")#定义前端工程师Agentfrontend=autogen.ConversableAgent("frontend_engineer",...)#定义后端工程师Agentbackend=autogen.ConversableAgent("backend_engineer",...)代码解析这段代码通过autogen库定义了四个核心角色的Agent：1.产品经理：负责需求分析与文档撰写；2.UI设计师：负责界面设计与原型；3.前后端工程师：负责具体的开发与实现工作。产品设计模拟代码示例（2）#创建群聊管理器groupchat=autogen.GroupChat(agents=[pm,ui_designer,frontend_engineer,backend_engineer],messages=[],max_round=10,)manager=autogen.GroupChatManager(groupchat=groupchat,llm_config={"config_list":[{"model":"gpt-4","api_key":"YOUR_API_KEY"}]})#启动对话pm.initiate_chat(manager,message="我们需要设计一个电商APP，请大家讨论并输出PRD文档。",)代码功能解析这段代码创建了群聊管理器，并将四个Agent（产品经理、UI设计师、前端工程师、后端工程师）加入群聊，然后由产品经理启动对话，发起关于电商APP设计的讨论。案例二：国际象棋对战任务目标使用Autogen搭建国际象棋对战工作流，构建“棋手1”、“棋手2”、“裁判”三个Agent，实现对话思考、棋步输出与合法性校验。实现思路定义角色：创建对应“棋手1”、“棋手2”、“裁判”的三个Agent。组建群聊：创建群聊管理器，将三个Agent加入对话群组。调度执行：启动对话，由管理器调度对话并校验棋步合法性。图：国际象棋对战Agent交互场景示意国际象棋对战代码示例（1）importautogen#定义棋手1Agentplayer1=autogen.ConversableAgent("player1",system_message="你是一名国际象棋棋手，擅长进攻。",llm_config={"config_list":[{"model":"gpt-4","api_key":"YOUR_API_KEY"}]},)#定义棋手2Agentplayer2=autogen.ConversableAgent("player2",system_message="你是一名国际象棋棋手，擅长防守。",llm_config={"config_list":[{"model":"gpt-4","api_key":"YOUR_API_KEY"}]},)代码逻辑解析这段代码利用Autogen框架定义了三个核心角色：1.Player1(进攻方)配置为擅长进攻的策略，主动发起攻势。2.Player2(防守方)配置为擅长防守的策略，构建稳固防线。3.Referee(裁判)负责校验棋步的合法性，确保对弈规则。通过多Agent协作模式，实现了模拟真实的国际象棋对弈环境。国际象棋对战代码示例（2）#创建群聊管理器groupchat=autogen.GroupChat(agents=[player1,player2,referee],messages=[],max_round=10,)manager=autogen.GroupChatManager(groupchat=groupchat,llm_config={"config_list":[{"model":"gpt-4","api_key":"YOUR_API_KEY"}]})#启动对话player1.initiate_chat(manager,message="我们开始下国际象棋吧！",)代码逻辑解析这段代码创建了群聊管理器，并将三个Agent（玩家1、玩家2、裁判）加入群聊，设定了最大轮次为10。随后通过玩家1发起对话，正式启动国际象棋对战流程。案例三：文本知识库智能检索任务目标使用Autogen搭建智能检索工作流，通过“检索员”与“解答员”两个Agent协作，高效完成复杂文档的问答任务。实现思路01.角色定义：创建“检索员”与“解答员”两个Agent，明确分工。02.环境搭建：初始化群聊管理器，将两个Agent加入协作群组。03.智能调度：启动对话，管理器自动调度Agent协作完成问答。图示：文本知识库智能检索工作流架构文本知识库智能检索代码示例（1）importautogen#定义检索员Agentretriever=autogen.ConversableAgent("retriever",system_message="你是一名检索员，负责从知识库中检索相关信息。",llm_config={"config_list":[{"model":"gpt-4","api_key":"YOUR_API_KEY"}]},)#定义解答员Agentanswerer=autogen.ConversableAgent("answerer",system_message="你是一名解答员，负责根据检索到的信息回答用户的问题。",llm_config={"config_list":[{"model":"gpt-4","api_key":"YOUR_API_KEY"}]},)代码解析角色定义：代码通过autogen.ConversableAgent类创建了两个智能体：1.检索员(Retriever)负责从知识库中精准检索相关信息，为后续回答提供数据支持。2.解答员(Answerer)基于检索员提供的信息，整理并回答用户的具体问题。核心逻辑：通过分工协作（检索+解答），实现知识库的智能问答，提升回答的准确性和专业性。文本知识库智能检索代码示例（2）PythonCode#创建群聊管理器groupchat=autogen.GroupChat(agents=[retriever,answerer],messages=[],max_round=10,)manager=autogen.GroupChatManager(groupchat=groupchat,llm_config={"config_list":[{"model":"gpt-4","api_key":"YOUR_API_KEY"}]})#启动对话retriever.initiate_chat(manager,message="请回答用户的问题：什么是AI智能体？",)代码逻辑解析这段代码演示了如何利用AutoGen创建群聊管理器（GroupChatManager），将检索Agent（retriever）和回答Agent（answerer）加入对话循环，并通过启动对话来处理用户关于“AI智能体”的提问。互动环节：实操任务介绍任务目标：搭建协作智能体使用Autogen框架，构建一个具备“检索员”和“解答员”双角色的文本知识库智能检索系统，实现多Agent协作处理复杂文档问答。1.定义Agent分别定义“检索员”和“解答员”两个角色，明确各自职责。2.定义群聊管理器创建GroupChat管理器，将两个Agent加入群聊网络。3.启动对话触发对话流程，让Agent自动协作完成复杂问答任务。实操任务步骤详解01定义Agent定义两个Agent，分别对应“检索员”、“解答员”两个角色，明确各自职责。02定义群聊管理器创建群聊管理器，将“检索员”和“解答员”两个Agent加入群聊，建立协作环境。03启动对话启动对话流程，触发两个Agent之间的交互，观察并验证协作效果。关键提示：确保在启动对话前，Agent的角色定义和群聊配置已完全生效，避免逻辑冲突。实操任务评判标准成功定义Agent能够正确定义两个Agent，分别对应“检索员”、“解答员”两个角色。30分成功定义群聊管理器能够正确创建群聊管理器，并将两个Agent加入群聊。30分成功启动对话能够成功启动对话，让两个Agent进行对话。40分任务总分：100分常见问题排查Q1:Agent定义失败？检查Agent的配置和参数是否正确，确保APIKey和模型名称正确无误。Q2:对话无法启动？检查群聊管理器的配置和Agent的状态是否正确，确保Agent已经成功加入群聊。Q3:对话内容不符合预期？检查Agent的人设和回复逻辑是否正确，确保Agent能够正确理解和回复用户的指令。本章总结多角色协作智能体掌握了使用Autogen实现多角色协作智能体的方法，理解了智能体间的交互机制。复杂场景设计能够设计复杂的多角色协作场景，针对不同任务需求合理分配角色与任务流程。实际问题解决能够运用Autogen工具解决实际业务问题，将理论知识转化为实际生产力。实战能力提升通过动手实操，进一步提升了