本文是原文副本

task1: blackjack game

<aside> 💡 这个例子开启了让我看到了一个新纪元，让程序可以根据用户的意图自动的生成程序，具备了以前的程序所完全不具备的极具创造性的生成的行为。

</aside>

这个例子有2个版本：metaGPT repo中有些分支(e.g. Tags 0.5.x, 0.6.x), metagpt文件夹中有startup.py文件;官网quickstart页面给出了一个最简单的版本的例子

repo中的例子运行结果~~见以下视频~~和最后一个页面结果achive的截图

Untitled

踩坑关键点：

满足以下几点，可以跑通startup.py的例子；这会迈过各类由于package版本不匹配造成的错误;
- metaGPT repo中tags branch 0.5.x, 0.6.x 存在这个startup.py文件(main, 0.4.0分支都没有这个文件)；选择tags/0.6.0, 因此在执行环境中python package应该安装metagpt==0.6.0, 该安装会自动安装openai==1.6.0
- 应该把repo内的metagpt/startup.py的copy到自己的project, 在原repo位置直接执行，会导致METAGPT_ROOT这个const设置后key_yaml_file的值设置错误；metagpt project要求在执行文件的directory内, 存在config/config.yaml;
- 注意删除其他与metagpt==0.6.0存在冲突的python package，可能包括现存的semantic-kernel, pydantic, chromadb(如果之前装过其他的package), etc
- 注意openai的版本>1.0.0, openai proxy的属性名应该使用OPENAI_BASE_URL, 而不是OPENAI_API_BASE, 注意在tags/0.6.0 branch的config.yaml文件中的配置是后者，需要改过来
- 实验1的package & 环境变量清单
```
python 3.9.10    # pyenv versions, check current python env
# python packages
# pip install below packages
metagpt==0.6.0
asynio
playwright    # 用于转换mermaid text to 图片/pdf等文件
# playwright 依赖它项目自带的chromium
playwright install --with-deps chromium
# 使用nodejs/npm 安装mermaid-cli
nodejs v19.3.0
npm v9.2.0
npm install -g @mermaid-js/mermaid-cli

# 有关pyppeteer: 也是一个用于把mermaid text转换成图片/pdf格式的工具
# 它依赖os系统自带安装好的chrome,edge等浏览器
# 但目前pyppeteer处于不维护的状态
#
# pip install pyppeteer
# export PUPPETEER_EXECUTABLE_PATH=/path/to/your/chromium
```
  - 上表只有metagpt==0.6.0是强制的，其他版本只是参考；
- 这个repo的例子的一次运行，用去DevGPT Openai 290+ tokens，这是非常耗费token的;
- 官网上quickstart的简单版本，我在metagpt 0.5.2的环境下可以运行，但最后只有设计文件生成，没有代码生成(有可能简单版的例子，没有要求生成代码?)
- Todo
  - Python virtualenv 调研; 参考 https://www.liujiangblog.com/course/python/6 done
  - Python 异步编程参考：Python Asyncio Walkthrough Notes done
task2: MetaGPT作者深度解析直播回放
- 视频Note：MetaGPT作者深度解析直播回放
task3: simple_agent_signleaction & simpele_agent_multiaction

实验环境和作业1中描述一致
- 踩坑：
  - Action子类PROMPT_TEMPTATE，需要声明为ClassVar("str"), 避免pydantic annotation
  - 多action的例子，Action子类的run()方法, 必须是async声明的(不管其内部是否使用await调用)，否则不能聚拢到await role.run()方法的结果; 报**"object str can't be used in await expression"**; 这是困扰时间较长的问题
- 分析一些相关框架流程
```
# 这是role执行的起点;
role = RunnableCodeRole()
result = await role.run(init_msg)  # 必须有init_msg, 否则在_observe阶段就退出了；
```
- role的run()方法主要过程是：
  - 加入新message: self.put_message()
  - 观察现有记忆和消息(self._observe())，
  - 执行action(self.react())
  - 把结果发布到环境(self.publish_message)
- self.react(), 在仅考虑self.rc.react_mode为"by_order", => self._act_by_order
  - role.py Role class的_act_by_order()
- self.states是在role init()中_init_actions()设定了多action；所以这里在for loop中设定每次执行的action动作self._set_state(i),rsp = await self._act(),设定了每次执行role._act()方法执行前的state上下文, 对应着不同的action；
- 模型
  
  实验了openai & zhipuai
  - 使用智谱清言的API，持续爆出同样错误
- expected_result应该是30，导致在执行时在python的bytecode中报错；实际上是expected_result2=20这句的错误
- 调试
  
  可以使用logger调试
  - metagpt的logger是封装了一层loguru的logger；
  - define_log_level(), 会默认的将log file写在project/logs的路径下。console输出只有info level， file中包含debug level
task3: 技术文档助手 & 作业print_agent
- 代码参考: https://github.com/dustyface/metagpt-sample/blob/main/doc_assistant.py
- 踩坑：使用的LLM是ZhuPu API(ChatGLM)
  - WriteDirectory需要prompt调优，dictionary结构会包括不正确的]]嵌套或者中文的comma，, 导致OutputParser出错；prompt调优采用如下2句可以避免：
```
"""
...
take below as an example:
```
  {{ "title": "Git教程", "directory": [{{"MySQL简介": ["1.1 什么是MySQL", "1.2 MySQL的优点"]}}, {{ "安装和配置MySQL": ["安装MySQL", "配置MySQL"]}}] }}
```
...

 4. Make sure the output strictly comform to the format of JSON.
 5. Make sure the punctuation appeared in the output JSON, such as comma, curly brace, double quote, etc, is in English

"""
```
- print_agent.py, 代码参考：https://github.com/dustyface/metagpt-sample/blob/main/print_agent.py

Task4：OSS - 订阅智能体

metagpt 0.6.0

代码实现：https://github.com/dustyface/metagpt-sample/blob/main/src/doc_assistant/doc_assistant.py
此题踩坑严重：
- 需要增加Enviroment，否则报错:
```
pydantic.errors.PydanticUserError: SubscriptionRunner is not fully defined; you should define Environment, then call SubscriptionRunner.model_rebuild().
```
  - Pydantic的实现源码一部分是.pyi文件，其内容只有def声明，并没有body；另一部分是so文件，是编译后的C++代码；所以并不容易以普通调试的方法去定位问题；
  - 记得之前看过一片通过GDB调试python源码中的bug的文章(待查找)，因为是高阶技术，当时无法实践，在此场景下可以尝试去debug此问题的root cause
  - 参考这篇文章，陈述了解法，但不能提及原因：MetaGPT学习记录003
- Metagpt 0.6.0的zhipu model的信息已经是过时的，造成报错
- 参考: https://github.com/langchain-ai/langchain/pull/16459

Untitled

把metagpt中源码zhupuai_api.py的model改成glm-3-turbo，可以跑通例子; task6的任务需要升级到glm-4
但metagpt 0.6.0 这种硬编码zhupu ai model name的方式非常不好，应该可以读取用户侧的配置，否则LLM侧一旦发生改动，只能升级metagpt这种操作影响范围太大了。

Untitled

运行结果

注意: 返回一个调用trigger(), callback

# 注意如果trigger是class到定义，override的__anext__, __aiter__(todo)
await pb.subscribe(Searcher(),trigger(),callback)

Crawler 爬虫爬取github trending信息
- 教程的版本的对话，我的chatgpt-3.5对话
  - 完成中之后浏览上述2个版本的对比，3.5的版本代码中使用find class_属性的方式是错误的，错误较多; e.g. repo_element.find('a', class_="Link mr-3")这类搜索是精确匹配，拿不到内容；
  - 具体Beautiful Soup的文档陈述searching the tree的filter方法，见Searching by CSS class
  - 使用了href=re.compile('fork'), select("span[itemprop]='programming'"这样的方式匹配到结果；
- 总结来说: 直接和chatgpt, github copilot对话, 要代码, 这是大幅度提升效率的方式
- Github trending是静态页面；可以借助dev-tools确定html的结构，修正gpt生成的错误的部分；
- 代码实现：
  - https://github.com/dustyface/metagpt-sample/blob/main/osswatcher.py

task1: blackjack game

task2: MetaGPT作者深度解析直播回放

task3: simple_agent_signleaction & simpele_agent_multiaction

task3: 技术文档助手 & 作业print_agent

Task4：OSS - 订阅智能体