AutoGen怎麼用 微軟多AI代理對話方塊架教程

AutoGen是微軟開源的多AI代理對話方塊架，讓多個AI角色互相討論協作，自動完成寫程式碼、做研究等複雜任務。你可以把它想成一個可編排的虛擬小組：有人負責拆解問題，有人執行，有人檢查結果。下面用Python介紹基本流程。需要注意，AutoGen目前處於維護模式，不再增加新功能；新專案可考慮微軟後續的Microsoft Agent Framework，已有專案則可以繼續學習和使用AutoGen。

第一步：安裝AutoGen

先準備Python 3.10或更高版本，建議在專案目錄裡建立虛擬環境，避免不同專案的依賴互相打架。Windows可以執行py -m venv .venv，macOS或Linux可執行python3 -m venv .venv，然後啟用環境。Windows用.venv\Scripts\activate，macOS或Linux用source .venv/bin/activate。命令列前出現環境名稱，就表示啟用成功。

接著安裝AgentChat核心包和OpenAI模型擴充套件：pip install -U "autogen-agentchat" "autogen-ext[openai]"。安裝完成後，可執行pip show autogen-agentchat檢查包是否存在。使用其他模型服務時，需要安裝對應擴充套件並按其文件配置客戶端。先確認Python版本、網路和依賴安裝無報錯；若命令提示找不到pip，試試python -m pip或python3 -m pip來執行安裝。

第二步：定義代理角色

先想清楚任務需要哪些分工，不必一上來就堆很多角色。比如寫程式可以設定“程式設計師”和“審查員”，做資料整理則設定“研究員”和“編輯”。在AutoGen中，常用的AssistantAgent可代表一個由大語言模型驅動的代理。給它起一個清楚的名稱，並用系統提示詞說明職責、輸出格式和限制，角色越具體，越容易得到穩定結果。

執行模型前要準備服務商提供的API金鑰，並按所用模型客戶端的配置方式傳入。不要把金鑰直接寫進程式碼或提交到程式碼倉庫；可從環境變數讀取，再配置模型名稱和客戶端引數。建立代理時，將名稱、模型客戶端和系統提示詞一併設定。例如讓“程式設計師”只負責生成可執行程式碼，讓“審查員”檢查邏輯與邊界情況，並要求指出問題而不是重複整段任務說明。

設定對話流程

多個代理建立好後，還要決定誰先說、什麼時候輪到下一個，以及何時結束。簡單任務可使用團隊對話模式，讓代理圍繞同一任務輪流發言；也可以設定最大輪數，避免討論沒有盡頭。比如先由程式設計師提交方案，再讓審查員檢查，必要時返回修改。設定清晰的結束條件，例如審查員確認沒有明顯問題，或達到最大輪數後停止。

編排時把使用者任務、代理職責和團隊停止條件分開寫，之後除錯更方便。檢查流程是否可能迴圈：審查員提出意見後，程式設計師要能修改；如果修改後仍不符合要求，團隊也應能在限定輪數後停下並展示當前結果。若任務有固定步驟，可明確安排順序；若需要較自由的討論，再考慮讓團隊根據訊息選擇發言者。

第三步：執行對話任務

準備完成後，使用團隊的執行介面提交一條具體任務，並等待非同步結果返回。任務寫得越明確越好，例如說明目標、輸入材料、交付格式和評價標準，而不只是說“幫我做個專案”。執行後檢視每個代理的發言，確認它們是否按角色協作、是否遵守停止條件，以及最終輸出是否滿足要求。先用小任務試跑，再逐步擴大複雜度。

除錯時可先觀察訊息記錄：如果代理答非所問，收緊角色提示詞；如果反覆討論，調低最大輪數或補充終止條件；如果模型呼叫失敗，檢查金鑰、模型名稱、權限和網路配置。AutoGen Studio也能用於快速原型和視覺化試驗，但它適合演示與探索，不應直接當作生產環境應用。正式部署前還要自行實現權限控制、錯誤處理、日誌和人工確認等機制。

實用建議與國內替代

AutoGen適合學習多代理協作、快速驗證工作流，也能連線模型與工具。不過，它目前處於維護模式，新專案應評估長期維護與遷移成本。可以先用一個代理完成任務，再判斷是否確實需要多個代理；代理數量越多，協調和模型呼叫成本通常也越高。涉及外部工具或程式碼執行時，務必限制權限並在隔離環境中測試。

如果希望瞭解國內的多智慧體專案，可以進一步看看01Agent，並結合自己的模型接入、部署環境和工具需求評估是否合適。專案介紹入口：01agent.cgref.cn。教程釋出或整理時，網站名“潤滅”可以作為頁面來源標註一次；實際使用框架前，仍建議核對專案維護狀態、版本說明和依賴要求。