GPT应用_MetaGPT

简介

最近朋友和 B 站都给我推 MetaGPT，正好有空就下载亲测了一下。MetaGPT 是目前（230809）github 热榜第一名，今天就加了 3000 多个星。

MetaGPT 是一个多智能体框架，能够生成不同的角色：工程师、产品经理、架构师和项目经理。然后共同构建一个软件项目，使用的模型是 GPT-4，与 AutoGPT 有些类似。

中文帮助文档见：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

实验

搭建环境

$ git clone https://github.com/geekan/MetaGPT  # 约11M左右
$ cd MetaGPT
$ docker build . -t metagpt:baseline # 生成镜像
$ mkdir -p /opt/metagpt/{config,workspace} # 请切换成root后执行
$ docker run --rm metagpt/metagpt:v0.3 cat /app/metagpt/config/config.yaml > /opt/metagpt/config/config.yaml
$ cd /opt/metagpt/
$ cp config/config.yaml config/key.yaml # 生成配置文件
修改 key.yaml中的 OPENAI_API_KEY, OPENAI_API_BASE
$ docker run --name metagpt -d     --privileged     -v /opt/metagpt/config:/app/metagpt/config     -v /opt/metagpt/workspace:/app/metagpt/workspace metagpt:baseline # 运行镜像
$ docker exec -it metagpt /bin/bash # 进入镜像

运行

1	$ python startup.py "写一个微信小程序，实现简单的文件阅读和翻译功能"

运行之后，程序创建项目：

workspace/wechat_mini_reader/

实验结果

最终花费：￥4.07（GPT-4 用的是一个国内的中转）
我的需求是：写一个微信小程序，实现简单的文件阅读和翻译功能，最终它生成了一组 Python 程序（不是微信小程序），是 demo 的感觉，离完整应用差得比较远。
生成 5 个代码文件，包含：Flask 构架、sqlite3 数据库，调用 google translate 的翻译，文件读取等等，整体生成数据 400 行，其中含代码 105 行，其它为设计文档。

主观感受

可以设置你想花多少钱调用 GPT-4，默认 3$
工具链做得很好，一小时之内可以上手
可以做 demo，简化了项目开始的工作量
想用它做一个完整项目，个人觉得差距还比较大
它生成的竞品分析，API 文档，mermaid 图也都挺好的
可能存在大局观问题：每个小步做得都对，合一块不一定对

代码分析

目前 metagpt 的项目，核心代码量有 80 多个 python 文件，共 6000 多行（代码文件都不大），底层也使用了 langchain

主要代码

startup.py：代码入口，可以设置想花多少钱，需要几个角色合作……
actions：使用 PROMPT 方式，通过调用 GPT 和其它 API 实现了具体的功能，比如：写代码、分析库依赖、文本转语音、运行代码、测试……
document_store：各种存储的支持，faiss, milvus, chromadb 向量数据库，本地存储，各种模式数据的读取，
management：管理所有技能
memory：管理存储
prompts：管理各种角色的提示
provider：调用大语言模型，目前支持 Claude 和 OpenAI
roles：各角色的具体实现和相关工具，角色包含：工程师，架构师，产品，项目管理……
tools & utils：辅助工具

底层逻辑

该工具是将软件开发拆解成前后多个步骤，调用模型完成各个步骤，通过提示以及对返回结果的解析，最终结合成完整的项目。即：用大模型实现了软件开发的全链路。

可能对于开发某种类型的应用效果比较好，对于所以软件而言，个人觉得目前尚处于初始阶段。有时候不如针对具体问题，直接提问；有时候 MetaGPT 过程也给我们一些启发。

另外，真正应用过程可能遇到的问题是：开发简单的软件可能不需要这么多角色；开发复杂的软件，相互交错的工作，GPT 是否能支撑非常复杂的过程？

虽然我个人觉得离自动编程还挺远，不过还是有很多有意思和值得借鉴的内容～～