人类介入 ​

当我们谈论智能体时，通常指的是由LLM驱动的。然而，在一些实际情境中，我们确实希望人类介入，无论是为了项目的质量保证，在关键决策中提供指导，还是在游戏中扮演角色。在本教程中，我们将讨论如何将人类纳入SOP。

完成本节，你将能够：

• 引入基于LLM的智能体和人类之间的交互

在LLM和人类之间切换 ​

我们将重用 多智能体入门 中的确切示例。

最初，LLM扮演 SimpleReviewer 的角色。假设我们想对更好地控制审阅过程，我们可以亲自担任这个Role。这只需要一个开关：在初始化时设置 is_human=True。代码变为：

team.hire(
    [
        SimpleCoder(),
        SimpleTester(),
        # SimpleReviewer(), # 原始行
        SimpleReviewer(is_human=True), # 更改为这一行
    ]
)

team.hire(
    [
        SimpleCoder(),
        SimpleTester(),
        # SimpleReviewer(), # 原始行
        SimpleReviewer(is_human=True), # 更改为这一行
    ]
)

我们作为人类充当 SimpleReviewer，现在与两个基于LLM的智能体 SimpleCoder 和 SimpleTester 进行交互。我们可以对SimpleTester写的单元测试进行评论，比如要求测试更多边界情况，让SimpleTester进行改写。这个切换对于原始的SOP和 Role 定义是完全不可见的（无影响），这意味着可以应用于任何场景。

每次轮到我们回应时，运行过程将暂停并等待我们的输入。只需输入我们想要输入的内容，然后就将消息发送给其他智能体了！

约束： 对于自定义 Role 的 _act 函数的开发人员，_act 中调用的 Action 必须是在 self._init_actions 初始化时与 self._actions 中的动作之一，以便人类参与生效。

局限性： 当前人类交互通过命令行终端进行，对人类提供多行或结构化的内容较为不便。同时，人类需要像LLM一样在格式或内容上遵循提示词，以使获得人类输入后的后续流程正常运行。我们会在后续更新中改善这两类问题。

本教程的完整脚本 ​

https://github.com/geekan/MetaGPT/blob/main/examples/build_customized_multi_agents.py

使用以下命令运行

python3 examples/build_customized_multi_agents.py --add_human True

python3 examples/build_customized_multi_agents.py --add_human True

一个交互示例