资源分类

from agentscope.message import Msg

# 创建一个文本消息
message1 = Msg(name="客服AI", content="您好，有什么可以帮您？")

# 创建带图片的消息  
message2 = Msg("用户AI", "请帮我分析这张图片", url="/path/to/image.jpg")

# 同时处理多个用户请求
results = agent_parallel_process(
    tasks=[task1, task2, task3],
    workers=3  # 同时3个AI一起工作
)

# 下载源代码
git clone https://github.com/agentscope-ai/agentscope.git

# 进入目录并安装
cd agentscope
pip install -e .

model_config = {
    "config_name": "my_gpt_config",
    "model_type": "openai_chat",  # 使用OpenAI的聊天模型
    "model_name": "gpt-4",        # 指定使用GPT-4
    "api_key": "你的API密钥",     # 填入你的密钥
}

import agentscope
from agentscope.agents import DialogAgent, UserAgent

# 初始化配置
agentscope.init(model_configs="./model_configs.json")

# 创建两个AI角色
客服AI = DialogAgent(name="客服助手", model_config_name="my_gpt_config")
用户模拟AI = UserAgent()  # 用来模拟用户提问

# 开始对话
当前消息 = None
print("客服系统已启动，输入'退出'结束对话")

while True:
    # 客服AI回复
    当前消息 = 客服AI(当前消息)
    print(f"客服: {当前消息.content}")
    
    # 模拟用户输入
    当前消息 = 用户模拟AI(当前消息)
    
    if 当前消息.content == "退出":
        break
    print(f"用户: {当前消息.content}")

from agentscope.agents import AgentBase

class 翻译专家(AgentBase):
    def __init__(self, name, model_config_name):
        super().__init__(name, model_config_name)
        
    def reply(self, received_message):
        # 只做翻译工作
        if "翻译" in received_message.content:
            # 调用翻译逻辑
            return Msg(self.name, f"已翻译: {received_message.content}")
        else:
            return Msg(self.name, "请告诉我需要翻译的内容")

# 定义任务流程
工作流 = [
    {"角色": "分析员", "任务": "理解需求"},
    {"角色": "研究员", "任务": "收集资料"}, 
    {"角色": "写作者", "任务": "生成报告"},
    {"角色": "审核员", "任务": "质量检查"}
]

# 按顺序执行
for 步骤 in 工作流:
    结果 = 步骤["角色"].process(步骤["任务"])