一个名叫MetaGPT的项目在GitHub上爆火，一度冲上热榜第一，目前标星已有8.4k。
这个项目的意义，正是让像GPT-4这样的大模型们自己组建一个软件公司，公司里每个员工都使用prompt进行设定担任不同的角色。
换而言之，从产品经理、架构师、设计产品到写代码的活儿全部由GPT-4等一众包了。
完成一个项目的费用（调用大模型API的费用），确实能被压缩到几美元，仅仅是调用API的费用。
安装
传统安装
# 第 1 步：确保您的系统上安装了 NPM。并使用npm安装mermaid-js
npm --version
sudo npm install -g @mermaid-js/mermaid-cli
# 第 2 步：确保您的系统上安装了 Python 3.9+。您可以使用以下命令进行检查：
python --version
# 第 3 步：克隆仓库到您的本地机器，并进行安装。
git clone https://github.com/geekan/metagpt
cd metagpt
python setup.py install
Docker安装
# 步骤1: 下载metagpt官方镜像并准备好config.yaml
docker pull metagpt/metagpt:v0.3
mkdir -p /opt/metagpt/{config,workspace}
docker run --rm metagpt/metagpt:v0.3 cat /app/metagpt/config/config.yaml > /opt/metagpt/config/config.yaml
vim /opt/metagpt/config/config.yaml # 修改config
# 步骤2: 使用容器运行metagpt演示
docker run --rm \
--privileged \
-v /opt/metagpt/config:/app/metagpt/config \
-v /opt/metagpt/workspace:/app/metagpt/workspace \
metagpt/metagpt:v0.3 \
python startup.py "Write a cli snake game"
# 您也可以启动一个容器并在其中执行命令
docker run --name metagpt -d \
--privileged \
-v /opt/metagpt/config:/app/metagpt/config \
-v /opt/metagpt/workspace:/app/metagpt/workspace \
metagpt/metagpt:v0.3
docker exec -it metagpt /bin/bash
$ python startup.py "Write a cli snake game"
docker run ...做了以下事情:
- 以特权模式运行，有权限运行浏览器
- 将主机目录
/opt/metagpt/config映射到容器目录/app/metagpt/config - 将主机目录
/opt/metagpt/workspace映射到容器目录/app/metagpt/workspace - 执行演示命令
python startup.py "Write a cli snake game"
自己构建镜像
# 您也可以自己构建metagpt镜像
git clone https://github.com/geekan/MetaGPT.git
cd MetaGPT && docker build -t metagpt:v0.3 .
配置
- 在
config/key.yaml / config/config.yaml / env中配置您的OPENAI_API_KEY - 优先级顺序：
config/key.yaml > config/config.yaml > env
# 复制配置文件并进行必要的修改
cp config/config.yaml config/key.yaml
| 变量名 | config/key.yaml | env |
|---|---|---|
| OPENAI_API_KEY # 用您自己的密钥替换 | OPENAI_API_KEY: "sk-..." | export OPENAI_API_KEY="sk-..." |
| OPENAI_API_BASE # 可选 | OPENAI_API_BASE: "https://<YOUR_SITE>/v1" | export OPENAI_API_BASE="https://<YOUR_SITE>/v1" |
看来主要难度变成了chatgpt的付费会员购买。
示例：启动一个创业公司
python startup.py "写一个命令行贪吃蛇"
# 开启code review模式会会花费更多的money, 但是会提升代码质量和成功率
python startup.py "写一个命令行贪吃蛇" --code_review True
运行脚本后，您可以在 workspace/ 目录中找到您的新项目。
平台或工具的倾向性
可以在阐述需求时说明想要使用的平台或工具。 例如：
python startup.py "写一个基于pygame的命令行贪吃蛇"
使用
名称
startup.py - 我们是一家AI软件创业公司。通过投资我们，您将赋能一个充满无限可能的未来。
概要
startup.py IDEA <flags>
描述
我们是一家AI软件创业公司。通过投资我们，您将赋能一个充满无限可能的未来。
位置参数
IDEA
类型: str
您的创新想法，例如"写一个命令行贪吃蛇。"
标志
--investment=INVESTMENT
类型: float
默认值: 3.0
作为投资者，您有机会向这家AI公司投入一定的美元金额。
--n_round=N_ROUND
类型: int
默认值: 5
备注
您也可以用`标志`的语法，来处理`位置参数`
代码实现
from metagpt.software_company import SoftwareCompany
from metagpt.roles import ProjectManager, ProductManager, Architect, Engineer
async def startup(idea: str, investment: float = 3.0, n_round: int = 5):
"""运行一个创业公司。做一个老板"""
company = SoftwareCompany()
company.hire([ProductManager(), Architect(), ProjectManager(), Engineer()])
company.invest(investment)
company.start_project(idea)
await company.run(n_round=n_round)
你可以查看examples，其中有单角色（带知识库）的使用例子与仅LLM的使用例子。
笔者曾经测试过AutoGpt，提出一个目标，会专门进行拆分子任务并解决，但是实际测试下来，解决的效率比较低，在单个子任务阶段就卡住了。笔者还曾经针对chatgpt专门测试过代码能力，针对同样的需求，能明显感觉到chatgpt进行了各种网上代码的爬取并加工反馈，不同代码的质量参差，没想到现在经过更新换代，专门化的代码文件可以生成的如此快又好，果然类似人类早先的梦想，让机器打工，在有生之年可以实现了。
言而总之，国内的大模型目前还在赶超chatgpt阶段，最起码是在to C端，还需要持续发力，开源后的迭代速度以及衍生的能力及使用方法，开拓了人类视野，加快了人类科技的进程。
