ChatDev 开源项目使用教程
1. 项目介绍
ChatDev 是一个虚拟软件公司,通过各种智能代理(如首席执行官、首席产品官、首席技术官、程序员、评审员、测试员、艺术设计师等)来构建软件。这些代理形成了一个多代理组织结构,并通过参与专门的功能研讨会(如设计、编码、测试和文档编写)来协作完成任务。ChatDev 的主要目标是提供一个易于使用、高度可定制和可扩展的框架,该框架基于大型语言模型(LLMs),并适用于研究集体智能的理想场景。
2. 项目快速启动
2.1 克隆 GitHub 仓库
首先,克隆 ChatDev 的 GitHub 仓库到本地:
git clone https://github.com/10cl/chatdev.git
2.2 设置 Python 环境
确保你有一个 Python 3.9 或更高版本的环境。你可以使用 Conda 创建并激活这个环境:
conda create -n ChatDev_conda_env python=3.9 -y
conda activate ChatDev_conda_env
2.3 安装依赖
进入 ChatDev 目录并安装所需的依赖:
cd chatdev
pip3 install -r requirements.txt
2.4 设置 OpenAI API 密钥
导出你的 OpenAI API 密钥作为环境变量:
export OPENAI_API_KEY="your_OpenAI_API_key"
2.5 构建你的软件
使用以下命令启动软件构建,替换 [description_of_your_idea] 和 [project_name] 为你自己的描述和项目名称:
python3 run.py --task "[description_of_your_idea]" --name "[project_name]"
2.6 运行你的软件
软件生成后,你可以在 WareHouse 目录下找到你的项目文件夹,例如 project_name_DefaultOrganization_timestamp。进入该目录并运行你的软件:
cd WareHouse/project_name_DefaultOrganization_timestamp
python3 main.py
3. 应用案例和最佳实践
3.1 游戏开发
ChatDev 可以用于快速开发游戏。例如,你可以使用以下命令创建一个 2048 游戏:
python3 run.py --task "设计一个2048游戏" --name "2048" --org "THUNLP" --config "Default"
3.2 数据分析工具
ChatDev 还可以用于构建数据分析工具。你可以定义一个数据分析师的角色,并使用 ChatDev 生成相应的工具:
python3 run.py --task "构建一个数据分析工具" --name "DataAnalyzer" --org "DataScience" --config "Default"
4. 典型生态项目
4.1 ChatDev 社区贡献软件
ChatDev 社区已经贡献了许多有用的软件项目,你可以在 GitHub 仓库的 WareHouse 目录下找到这些项目。这些项目展示了 ChatDev 在不同领域的应用。
4.2 ChatDev 可视化工具
ChatDev 提供了一个可视化工具,可以帮助你实时查看软件开发过程的日志,并回放日志以分析开发过程。你可以在本地启动这个可视化工具,具体步骤请参考项目文档。
通过以上步骤,你可以快速上手并使用 ChatDev 构建你自己的软件项目。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00