MetaGPT为角色或动作配置不同LLM
MetaGPT允许你为团队中的不同Role和Action使用不同的LLM，这极大地增强了团队互动的灵活性和现实性，使得每个Role可以根据其特定的需求和背景，以及每个Action的特点，选择最合适的LLM。通过这种方式，你可以更精细地控制对话的质量和方向，从而创造出更加丰富和真实的交互体验。请在开始教程之前，确保你已阅读配置和辩论。
以下是设置步骤：
- 定义配置：使用默认配置，或者从
~/.metagpt目录中加载自定义配置。 - 分配配置：将特定的LLM配置分配给Role和Action。配置的优先级：Action config > Role config > Global config（config in config2.yaml）。
- 团队交互：创建一个带有环境的团队，开始交互。
示例
考虑一个美国大选的现场直播环境，我们将创建三个Role：A、B和C。A和B是两个候选人，C是一个选民。
定义配置
你可以使用默认配置，为不同的Role和Action配置LLM，也可以在~/.metagpt目录中加载自定义配置。
python
from metagpt.config2 import Config
# 以下是一些示例配置，分别为gpt-4-1106-preview、gpt-4-0613和gpt-3.5-turbo-1106。
gpt4t = Config.from_home("gpt-4-1106-preview.yaml") # 从`~/.metagpt`目录加载自定义配置`gpt-4-1106-preview.yaml`
gpt4 = Config.default() # 使用默认配置，即`config2.yaml`文件中的配置，此处`config2.yaml`文件中的model为"gpt-4-0613"
gpt35 = Config.default()
gpt35.llm.model = "gpt-3.5-turbo-1106" # 将model修改为"gpt-3.5-turbo-1106"from metagpt.config2 import Config
# 以下是一些示例配置，分别为gpt-4-1106-preview、gpt-4-0613和gpt-3.5-turbo-1106。
gpt4t = Config.from_home("gpt-4-1106-preview.yaml") # 从`~/.metagpt`目录加载自定义配置`gpt-4-1106-preview.yaml`
gpt4 = Config.default() # 使用默认配置，即`config2.yaml`文件中的配置，此处`config2.yaml`文件中的model为"gpt-4-0613"
gpt35 = Config.default()
gpt35.llm.model = "gpt-3.5-turbo-1106" # 将model修改为"gpt-3.5-turbo-1106"分配配置
创建Role和Action，并为其分配配置。
python
from metagpt.roles import Role
from metagpt.actions import Action
# 创建a1、a2和a3三个Action。并为a1指定`gpt4t`的配置。
a1 = Action(config=gpt4t, name="Say", instruction="Say your opinion with emotion and don't repeat it")
a2 = Action(name="Say", instruction="Say your opinion with emotion and don't repeat it")
a3 = Action(name="Vote", instruction="Vote for the candidate, and say why you vote for him/her")
# 创建A，B，C三个角色，分别为“民主党候选人”、“共和党候选人”和“选民”。
# 虽然A设置了config为gpt4，但因为a1已经配置了Action config，所以A将使用model为gpt4的配置，而a1将使用model为gpt4t的配置。
A = Role(name="A", profile="Democratic candidate", goal="Win the election", actions=[a1], watch=[a2], config=gpt4)
# 因为B设置了config为gpt35，而为a2未设置Action config，所以B和a2将使用Role config，即model为gpt35的配置。
B = Role(name="B", profile="Republican candidate", goal="Win the election", actions=[a2], watch=[a1], config=gpt35)
# 因为C未设置config，而a3也未设置config，所以C和a3将使用Global config，即model为gpt4的配置。
C = Role(name="C", profile="Voter", goal="Vote for the candidate", actions=[a3], watch=[a1, a2])from metagpt.roles import Role
from metagpt.actions import Action
# 创建a1、a2和a3三个Action。并为a1指定`gpt4t`的配置。
a1 = Action(config=gpt4t, name="Say", instruction="Say your opinion with emotion and don't repeat it")
a2 = Action(name="Say", instruction="Say your opinion with emotion and don't repeat it")
a3 = Action(name="Vote", instruction="Vote for the candidate, and say why you vote for him/her")
# 创建A，B，C三个角色，分别为“民主党候选人”、“共和党候选人”和“选民”。
# 虽然A设置了config为gpt4，但因为a1已经配置了Action config，所以A将使用model为gpt4的配置，而a1将使用model为gpt4t的配置。
A = Role(name="A", profile="Democratic candidate", goal="Win the election", actions=[a1], watch=[a2], config=gpt4)
# 因为B设置了config为gpt35，而为a2未设置Action config，所以B和a2将使用Role config，即model为gpt35的配置。
B = Role(name="B", profile="Republican candidate", goal="Win the election", actions=[a2], watch=[a1], config=gpt35)
# 因为C未设置config，而a3也未设置config，所以C和a3将使用Global config，即model为gpt4的配置。
C = Role(name="C", profile="Voter", goal="Vote for the candidate", actions=[a3], watch=[a1, a2])请注意，对于关注的Action而言，配置的优先级为：Action config > Role config > Global config 。不同Role和Action的配置情况如下：
| Action of interest | Global config | Role config | Action config | Effective config for the Action |
|---|---|---|---|---|
| a1 | gpt4 | gpt4 | gpt4t | gpt4t |
| a2 | gpt4 | gpt35 | unspecified | gpt35 |
| a3 | gpt4 | unspecified | unspecified | gpt4 |
团队交互
创建一个带有环境的团队，并使其进行交互。
python
import asyncio
from metagpt.environment import Environment
from metagpt.team import Team
# 创建一个描述为“美国大选现场直播”的环境
env = Environment(desc="US election live broadcast")
team = Team(investment=10.0, env=env, roles=[A, B, C])
# 运行团队，我们应该会看到它们之间的协作
asyncio.run(team.run(idea="Topic: climate change. Under 80 words per message.", send_to="A", n_round=3))
# await team.run(idea="Topic: climate change. Under 80 words per message.", send_to="A", n_round=3) # 如果在Jupyter Notebook中运行，使用这行代码import asyncio
from metagpt.environment import Environment
from metagpt.team import Team
# 创建一个描述为“美国大选现场直播”的环境
env = Environment(desc="US election live broadcast")
team = Team(investment=10.0, env=env, roles=[A, B, C])
# 运行团队，我们应该会看到它们之间的协作
asyncio.run(team.run(idea="Topic: climate change. Under 80 words per message.", send_to="A", n_round=3))
# await team.run(idea="Topic: climate change. Under 80 words per message.", send_to="A", n_round=3) # 如果在Jupyter Notebook中运行，使用这行代码