AutoGen 多智能体初体验：让两个 AI 自己对话解决问题的尝试与翻车
张张老师956 阅读
微软的 AutoGen 主打多智能体协作：你定义几个角色，让它们自己对话完成任务。听起来很酷，我实际跑了一周，说下真实体验。
最简单的用法：两个 Agent 对话。
Python
from autogen import ConversableAgent
writer = ConversableAgent("writer", llm_config=llm_config,
system_message="你是资深 Python 工程师")
reviewer = ConversableAgent("reviewer", llm_config=llm_config,
system_message="你是代码审查员，挑剔且严谨")
result = writer.initiate_chat(reviewer, message="写一个爬虫抓取某个网站")
跑起来之后你会看到 writer 写代码、reviewer 挑毛病、writer 改代码……能来回好几轮，最后生成一个"看起来不错"的版本。
实际遇到的问题：
第一，对话会跑偏。两个模型聊着聊着就脱离原始需求了，特别是没有约束最大轮数的时候。我设置 max_turns 后好一些，但还是会看到它们讨论一些无关话题，比如互相恭维。
第二，质量不稳定。多轮对话放大了模型的幻觉。writer 说"我用了 requests 库"，reviewer 说"requests 用法有误"——但可能两个都是错的。多智能体并不能保证正确性，只是让错误看起来更"有来有回"。
第三，成本翻倍。两个模型来回对话，token 消耗是指数级的。一轮任务下来，比单个模型调用贵 3-5 倍。
第四，调试困难。出问题了很难定位是哪个 Agent 哪一轮说错了话。
我的结论：多智能体适合"头脑风暴"类任务，比如方案讨论、需求分析；不适合"必须正确"的任务，比如代码生成、数据处理。如果你想要的是后者，建议单 Agent + 工具调用 + 人工审核，比多智能体靠谱得多。
AutoGen 2.0 改了很多 API，如果要用记得看新版文档，网上老教程大多失效了。
评论0
还没有评论，来抢沙发～