AutoGen

导读 你用过 Claude、GPT-4 写代码吗？单个 AI 助手确实能干不少活，但遇到复杂项目时——比如同时需要编写代码、审查 bug、撰写文档——单一模型往往力不从心。这时候就需要**多智能体（Multi-Agent）**方案了：把不同任务分配给专门的 AI Agent，让它们像团队成员一样互相对话、协作完成任务。 微软开源的 AutoGen（读作"auto-gen"）就是这个领域的代表框架。它不让你硬编码复杂的调度逻辑，而是让你用"对话"的方式组织多个 Agent 合作——就像一个主持人协调几个专家一起讨论，最终产出高质量成果。 本文面向零基础读者，假设你会一点 Python 就能看懂。我们从一个最简单的两人对话例子开始，逐步升级到多人协作群聊模式，最后教你怎么接入自己的 API（省钱妙招在后头）。 注意：AutoGen v0.2+ 是全新架构，包名改成了 autogen-agentchat，API 和旧版（v0.1.x）差异很大。不要用 pip install autogen 装旧版。以下所有代码基于 autogen-agentchat 最新版，以官方文档为准。 为什么需要多智能体？ 先对比两种方案： 单模型方案 多 Agent 协作方案 角色 一个 AI 包揽所有工作 每个 Agent 专精一项任务 质量 AI 既要写代码又要检查，容易疏漏 各管一段，互相监督 成本 一轮超长对话消耗大量 token 分工明确，token 利用更高效 适用场景 小任务、快速原型 复杂项目、持续迭代 举个实际场景：你想让 AI 帮你开发一个小工具。 单模型：你把需求一股脑丢给 GPT-4o，等它写出代码。如果代码有 bug，你得再问一次让它修。整个过程就像一个人既当程序员又当测试员还当产品经理——容易顾此失彼。 多 Agent：你建三个 Agent——“编码专家"负责写代码，“审查员"专门挑毛病，“文档官"写说明。它们轮流发言讨论，主持人统筹全局。效果类似一个小团队，但全部由 AI 驱动。 这就是 AutoGen 的核心思想。 安装：一行命令搞定 AutoGen 新版采用分模块设计，核心包叫 autogen-agentchat（注意带连字符），模型适配器单独放在 autogen-ext 里。 ...