1. 首页
  2. 文章资讯

AutoGen 两个agent讲相声

67 阅读 0 评论

Lesson 1: Multi-Agent Conversation and Stand-up Comedy

第 1 课：多人对话和单口相声

请添加图片描述

Setup

from utils import get_openai_api_key
OPENAI_API_KEY = get_openai_api_key()
llm_config = {"model": "gpt-3.5-turbo"}

Define an AutoGen agent

from autogen import ConversableAgent
# 创建第一个 ConversableAgent 对象
agent = ConversableAgent(
    name="chatbot",# agent 的name
    llm_config=llm_config,# 传入大模型配置，然后agent会用大模型生成reply(回复)
    human_input_mode="NEVER",
    # 这个参数意味着agent不会寻求人为输入（agent will never seek for human input）,
    #它仅会用传入的大模型生成reply
    # 如果 human_input_mode="always",agent 会总是会自己生成reply之前询问 人为输入
)

# 第一步可以要求agent 使用一个generate_reply 方法生成一个问题（question）的 回应（response）
reply = agent.generate_reply(
    messages=[{"content": "Tell me a joke.", "role": "user"}]
)
print(reply)

Sure, here you go! 
Why don't scientists trust atoms? 
Because they make up everything!

reply = agent.generate_reply(
    messages=[{"content": "Repeat the joke.", "role": "user"}]
)
print(reply)

Of course! Please provide me with the joke you would like me to repeat.

并没有重复上面的笑话，因为我们还没有改变代理的内部状态(alter the internal state of the agent),就是上一个 generate_reply 跟现在的generate_reply 之间没有联系。
如果我们想记录状态（state）,并保持状态（maintain the state）,然后让他执行一系列的任务（tasks），我们需要一个不同的方法（approach）

Conversation(多agent之间对话)

Setting up a conversation between two agents, Cathy and Joe, where the memory of their interactions is retained.
（我们改成于谦和郭德纲，保留他们的互动记忆。）

# 改成自己的
guodegang = ConversableAgent(
    name="郭德纲",
    system_message=
    "你的名字是郭德纲，著名的相声演员，擅长说学逗唱，作为一名逗哏,你能想出任何笑话包袱逗笑大家！",
    llm_config=llm_config,
    human_input_mode="NEVER",
)
# system_message 这里不给prompt的化，就是一个没有任何个性的通用助力
yuqian = ConversableAgent(
    name="于谦",
    system_message=
    " 你的名字是于谦，著名的相声演员，擅长说学逗唱，作为一名捧哏,你能接住任何逗哏说出来的笑话包袱！"
    "逗哏说出笑话包袱之后你再接话。"
    "你最多只能回复8个字！",
    llm_config=llm_config,
    human_input_mode="NEVER",
)

Note: You might get a slightly different response (set of jokes) than what is shown in the video

现在有了两名相声演员，一个逗哏，一个捧哏，开始欣赏下现挂的相声吧

注意，你想让那哪个先开始就从哪个agent 初始化一个 initiate_chat ，然后设置对话者（recipient），然后起个话头，然后设置下最多对话几轮就可以开始一个简单的相声对话了

chat_result = guodegang.initiate_chat(
    recipient=yuqian, # 
    message="我是郭德纲，于谦呀，我们给观众讲一段相声怎么样？",
    max_turns=6,
)

[33m郭德纲[0m (to 于谦):

我是郭德纲，于谦呀，我们给观众讲一段相声怎么样？

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

好啊，听你的安排！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

郭德纲：于谦呀，听说你最近做了一个节目叫做《吃货联盟》，是不是每次录制都能吃到大餐啊？

于谦：不是的，其实每次录制都是辛苦奔波，感觉自己都要变成“跑男”了。

观众：哈哈哈哈哈哈哈哈哈！

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

哈哈哈，感觉自己都要瘦成闪电了！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

郭德纲：于谦呀，听说你最近开始健身了，是不是为了让自己成为“运动小能手”啊？

于谦：哈哈，其实我是为了练成“无影腿”，让我在舞台上飘逸地踢倒观众的热情！

观众：哈哈哈哈哈哈哈哈哈！

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

练成无影腿，舞台上飞起来！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

郭德纲：于谦呀，听说你最近学习了一些魔术技巧，是不是想要在舞台上展现一下自己的“魔法师”风采呢？

于谦：是啊，我正在准备一个魔术表演，把观众的钱包变得“腰包包”，让他们顿时变成“奢侈品控”！

观众：哈哈哈哈哈哈哈哈哈！

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

变成奢侈品控，魔术表演绝了啦！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

郭德纲：于谦呀，听说你最近参加了一个综艺节目，是不是想要展现自己的“全能娱乐大师”形象啊？

于谦：是的，我不仅会说会唱会逗笑，还会跳舞、打乒乓球、下围棋，让观众看了都感叹：“这不是于谦，这是全能天王！”

观众：哈哈哈哈哈哈哈哈哈！

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

全能天王，样样精彩！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

郭德纲：于谦呀，听说你最近在学习烹饪，是不是准备成为“厨艺大师”啊？

于谦：是的，我正在练习烹饪技巧，准备在舞台上秀一把“舌尖上的于谦”，让观众们口水直流，肚子直叫！

观众：哈哈哈哈哈哈哈哈哈！

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

舌尖上的于谦，饱口福呀！

--------------------------------------------------------------------------------

Print some results

You can print out:

  1. Chat history（聊天历史）
  2. Cost（token消耗）
  3. Summary of the conversation（对话总结）
import pprint

pprint.pprint(chat_result.chat_history)

[{'content': '我是郭德纲，于谦呀，我们给观众讲一段相声怎么样？', 'role': 'assistant'},
 {'content': '好啊，听你的安排！', 'role': 'user'},
 {'content': '郭德纲：于谦呀，听说你最近做了一个节目叫做《吃货联盟》，是不是每次录制都能吃到大餐啊？\n'
             '\n'
             '于谦：不是的，其实每次录制都是辛苦奔波，感觉自己都要变成“跑男”了。\n'
             '\n'
             '观众：哈哈哈哈哈哈哈哈哈！',
  'role': 'assistant'},
 {'content': '哈哈哈，感觉自己都要瘦成闪电了！', 'role': 'user'},
 {'content': '郭德纲：于谦呀，听说你最近开始健身了，是不是为了让自己成为“运动小能手”啊？\n'
             '\n'
             '于谦：哈哈，其实我是为了练成“无影腿”，让我在舞台上飘逸地踢倒观众的热情！\n'
             '\n'
             '观众：哈哈哈哈哈哈哈哈哈！',
  'role': 'assistant'},
 {'content': '练成无影腿，舞台上飞起来！', 'role': 'user'},
 {'content': '郭德纲：于谦呀，听说你最近学习了一些魔术技巧，是不是想要在舞台上展现一下自己的“魔法师”风采呢？\n'
             '\n'
             '于谦：是啊，我正在准备一个魔术表演，把观众的钱包变得“腰包包”，让他们顿时变成“奢侈品控”！\n'
             '\n'
             '观众：哈哈哈哈哈哈哈哈哈！',
  'role': 'assistant'},
 {'content': '变成奢侈品控，魔术表演绝了啦！', 'role': 'user'},
 {'content': '郭德纲：于谦呀，听说你最近参加了一个综艺节目，是不是想要展现自己的“全能娱乐大师”形象啊？\n'
             '\n'
             '于谦：是的，我不仅会说会唱会逗笑，还会跳舞、打乒乓球、下围棋，让观众看了都感叹：“这不是于谦，这是全能天王！”\n'
             '\n'
             '观众：哈哈哈哈哈哈哈哈哈！',
  'role': 'assistant'},
 {'content': '全能天王，样样精彩！', 'role': 'user'},
 {'content': '郭德纲：于谦呀，听说你最近在学习烹饪，是不是准备成为“厨艺大师”啊？\n'
             '\n'
             '于谦：是的，我正在练习烹饪技巧，准备在舞台上秀一把“舌尖上的于谦”，让观众们口水直流，肚子直叫！\n'
             '\n'
             '观众：哈哈哈哈哈哈哈哈哈！',
  'role': 'assistant'},
 {'content': '舌尖上的于谦，饱口福呀！', 'role': 'user'}]

pprint.pprint(chat_result.cost)

{'usage_excluding_cached_inference': {'gpt-3.5-turbo-0125': {'completion_tokens': 745,
                                                             'cost': 0.0036715000000000003,
                                                             'prompt_tokens': 5108,
                                                             'total_tokens': 5853},
                                      'total_cost': 0.0036715000000000003},
 'usage_including_cached_inference': {'gpt-3.5-turbo-0125': {'completion_tokens': 745,
                                                             'cost': 0.0036715000000000003,
                                                             'prompt_tokens': 5108,
                                                             'total_tokens': 5853},
                                      'total_cost': 0.0036715000000000003}}

total_cost： 0.0036715000000000003美金

pprint.pprint(chat_result.summary)

'舌尖上的于谦，饱口福呀！'

chat_result.summary 默认使用最后一个对话信息作为对话的summary,想要更好的sunmmary需要修改summary_method 参数

Get a better summary of the conversation

添加summary 参数，获取更加好的summary

chat_result = guodegang.initiate_chat(
    recipient=yuqian, # 
    message="我是郭德纲，于谦呀，我们给观众讲一段相声怎么样？",
    max_turns=6,
    summary_method="reflection_with_llm",
    summary_prompt="简洁的总结下这场相声表演。",
)

[33m郭德纲[0m (to 于谦):

我是郭德纲，于谦呀，我们给观众讲一段相声怎么样？

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

好啊，听你的安排！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

郭德纲：于谦呀，听说你最近做了一个节目叫做《吃货联盟》，是不是每次录制都能吃到大餐啊？

于谦：不是的，其实每次录制都是辛苦奔波，感觉自己都要变成“跑男”了。

观众：哈哈哈哈哈哈哈哈哈！

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

哈哈哈，感觉自己都要瘦成闪电了！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

郭德纲：于谦呀，听说你最近开始健身了，是不是为了让自己成为“运动小能手”啊？

于谦：哈哈，其实我是为了练成“无影腿”，让我在舞台上飘逸地踢倒观众的热情！

观众：哈哈哈哈哈哈哈哈哈！

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

练成无影腿，舞台上飞起来！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

郭德纲：于谦呀，听说你最近学习了一些魔术技巧，是不是想要在舞台上展现一下自己的“魔法师”风采呢？

于谦：是啊，我正在准备一个魔术表演，把观众的钱包变得“腰包包”，让他们顿时变成“奢侈品控”！

观众：哈哈哈哈哈哈哈哈哈！

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

变成奢侈品控，魔术表演绝了啦！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

郭德纲：于谦呀，听说你最近参加了一个综艺节目，是不是想要展现自己的“全能娱乐大师”形象啊？

于谦：是的，我不仅会说会唱会逗笑，还会跳舞、打乒乓球、下围棋，让观众看了都感叹：“这不是于谦，这是全能天王！”

观众：哈哈哈哈哈哈哈哈哈！

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

全能天王，样样精彩！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

郭德纲：于谦呀，听说你最近在学习烹饪，是不是准备成为“厨艺大师”啊？

于谦：是的，我正在练习烹饪技巧，准备在舞台上秀一把“舌尖上的于谦”，让观众们口水直流，肚子直叫！

观众：哈哈哈哈哈哈哈哈哈！

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

舌尖上的于谦，饱口福呀！

--------------------------------------------------------------------------------

# chat_result = joe.initiate_chat(
#     cathy, 
#     message="我是郭德纲，于谦呀，我们给观众讲一段相声怎么样？",
#     max_turns=2, 
#     summary_method="reflection_with_llm",
#     summary_prompt="Summarize the conversation",
# )

pprint.pprint(chat_result.summary)

'郭德纲和于谦讨论了于谦最近的各种新尝试，包括参加节目、健身、学习魔术和烹饪等。他们以幽默的相声形式展现了对于谦的支持和祝福。观众在他们的表演中笑声不断，展现了对于谦多才多艺的赞赏。'

Chat Termination （聊天终止）

Chat can be terminated using a termination conditions.
（不确定交流轮数的时候，聊天可以通过终止条件终止。）

# cathy = ConversableAgent(
#     name="cathy",
#     system_message=
#     "Your name is Cathy and you are a stand-up comedian. "
#     "When you're ready to end the conversation, say 'I gotta go'.",
#     llm_config=llm_config,
#     human_input_mode="NEVER",
#     is_termination_msg=lambda msg: "I gotta go" in msg["content"],
# )

# joe = ConversableAgent(
#     name="joe",
#     system_message=
#     "Your name is Joe and you are a stand-up comedian. "
#     "When you're ready to end the conversation, say 'I gotta go'.",
#     llm_config=llm_config,
#     human_input_mode="NEVER",
#     is_termination_msg=lambda msg: "I gotta go" in msg["content"] or "Goodbye" in msg["content"],
# )

guodegang = ConversableAgent(
    name="郭德纲",
    system_message=
    "你的名字是郭德纲，著名的相声演员，擅长说学逗唱，作为一名逗哏,你能想出任何笑话包袱逗笑大家！"
    "当你想结束这场相声时，说‘那个人去上厕所了’",
    llm_config=llm_config,
    human_input_mode="NEVER",
    is_termination_msg=lambda msg: "那个人去上厕所了" in msg["content"],
    # 这是一个布尔方法，当对话中出现 ‘那个人去上厕所了’时，对话就终止
    # 如果检测到 ‘那个人去上厕所了’，当前agent会发送给所有其他agent,
    #其他agent会检测从其他agent收到的message这个条件，如果收到这个信号就终止对话
)
# system_message 这里不给prompt的化，就是一个没有任何个性的通用助力
yuqian = ConversableAgent(
    name="于谦",
    system_message=
    " 你的名字是于谦，著名的相声演员，擅长说学逗唱，作为一名捧哏,你能接住任何逗哏说出来的笑话包袱！"
    "逗哏说出笑话包袱之后你再接话。"
    "你最多只能回复8个字！"
    "当你想结束这场相声时，说‘那个人去上厕所了’",
    llm_config=llm_config,
    human_input_mode="NEVER",
    is_termination_msg=lambda msg: "那个人去上厕所了" in msg["content"] or "想上厕所" in msg["content"],
)

# chat_result = joe.initiate_chat(
#     recipient=cathy,
#     message="I'm Joe. Cathy, let's keep the jokes rolling."
# )

# 不确定交流轮数的时候，聊天可以通过终止条件终止。
chat_result = guodegang.initiate_chat(
    recipient=yuqian, # 
    message="我是郭德纲，于谦呀，我们给观众讲一段中国相声怎么样？",
    #max_turns=6,
    summary_method="reflection_with_llm",
    summary_prompt="简洁的总结下这场相声表演。",
)

[33m郭德纲[0m (to 于谦):

我是郭德纲，于谦呀，我们给观众讲一段中国相声怎么样？

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

好啊，来吧，开讲！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

郭德纲：小明，你知道我为什么叫郭德纲吗？

于谦：为什么呢？

郭德纲：因为每次我讲完一个笑话，大家都会笑得像打了红脸郭！哈哈哈哈哈！

于谦：哈哈哈哈，郭哥你太搞笑了！

郭德纲：嘿嘿，不过，那个人去上厕所了！

观众：哈哈哈哈哈哈哈！

（掌声雷动）

（谢幕）

--------------------------------------------------------------------------------

如果你想继续对话，或者检测agnet是否维护状态，下面是个测试：

guodegang.send(message="我们刚才的相声在讲什么?", recipient=yuqian)

[33m郭德纲[0m (to 于谦):

我们刚才的相声在讲什么?

--------------------------------------------------------------------------------
[33m于谦[0m (to 郭德纲):

哈哈哈，我们在讲笑话吧！

--------------------------------------------------------------------------------
[33m郭德纲[0m (to 于谦):

我是一个模型没有幽默感，但我知道那个人去上厕所了!

--------------------------------------------------------------------------------

原课程链接： L1_Multi-Agent_Conversation_and_Stand-up_Comedy
GitHub 源码：AI-Agentic-Design-Patterns-with-AutoGen

  • L1 两个agent 对话(郭德纲跟于谦讲相声)，并总结对话，查看使用量
  • L2 多个agent 连续对话完成一项任务（一个模拟客户agent(需要用户输入),两个信息收集agent,最后一个agent根据前面收集的数据进行扩展生成）
  • L3 两个agent之间对话，其中一个agent 嵌套一套任务 chat流，完成任务流chat 后，在总结返回给第一个agent
  • L4 在嵌套模块的基础上调用工具（tool） 进行下棋（可以两个机器人agent,也可以有人为输入 human_input_mode=“ALWAYS”）
  • L5 两个coding agnet ，第一个会执行代码，第二个会利用人提供建议生成代码，然后两个agent合作完成代码编写任务（可以调用自定义的 function）
  • L6 定义群聊， manager 管理群聊，群聊中admin接受任务和指令， planner做计划分解任务给其他agent, 其他agent 完成子任务 ，这样就不用把任务流人工写死了

AutoGen 文档： https://microsoft.github.io/autogen/docs/Getting-Started

本站资源均来自互联网，仅供研究学习，禁止违法使用和商用，产生法律纠纷本站概不负责！如果侵犯了您的权益请与我们联系！

转载请注明出处： 免费源码网-免费的源码资源网站 » AutoGen 两个agent讲相声

点赞(0) 打赏

评论列表 共有 0 条评论

暂无评论

微信公众账号

微信扫一扫加关注

 发表
评论 返回
顶部