收录于话题
Magentic-One 的代理架构
-
WebSurfer是一个基于LLM的代理，擅长理解和执行与Chromium浏览器相关的命令，并将网页状态变化反馈给Orchestrator，类似于电话技术支持中的操作员。
-
WebSurfer能够执行网页导航、操作和阅读任务，通过直接使用文档Q&A技术，减少了与Orchestrator的通信次数，提高了任务效率。
-
WebSurfer在与网页元素交互时，使用标记集提示和带注释的屏幕截图来确定操作的具体位置，实现了多模式操作。
-
FileSurfer与WebSurfer类似，但它操作的是自定义的文件预览应用程序，支持多种文件类型，并能执行文件导航任务。
-
Coder是一个专注于编写代码和分析信息的LLM代理，能够创建新程序或调试旧程序，并显示控制台输出。
-
ComputerTerminal提供了对控制台shell的访问，允许执行Coder编写的程序和运行shell命令，以扩展编程工具集。
Magentic-One 的多代理工作流程
外循环
外部循环由初始提示或任务触发。作为响应，Orchestrator 会创建任务账本，作为任务持续时间的短期内存。
收到任务后，Orchestrator 会反映请求，并在任务分类账中预先填充重要信息 – 给定或验证的事实、要查找的事实（例如，通过 Web 搜索）、要派生的事实（例如，以编程方式或通过推理）以及有根据的猜测。
内循环。
在内部循环的每次迭代期间，Orchestrator 会回答 5 个问题以创建进度账本：
请求是否完全满足（即任务完成）？报告前一个元素的问题
团队是循环还是重复？报告前一个元素的问题
是否取得了进展？报告前一个元素的问题
接下来应该由哪个座席发言？报告前一个元素的问题
应该向该团队成员提出什么指示或问题？报告前一个元素的问题
项目官网：magentic-one-a-generalist-multi-agent-system-for-solving-complex-tasks
GitHub仓库：https://github.com/microsoft/autogen/tree/main/python/packages/autogen-magentic-one
技术论文：https://www.microsoft.com/en-us/research/publication/magentic-one-a-generalist-multi-agent-system-for-solving-complex-tasks/
知识星球沉淀了很多AI的掘金素材集，欢迎加入！
如果觉得不错，欢迎点赞、在看、转发，您的转发和支持是我不懈创作的动力~
如果想第一时间收到推送，可以给我个星标?～
谢谢你挤出时间看我的文章推送，一眼万年，不胜感激。