AutoGen项目v0.4.5版本发布：流式交互与R1推理能力升级
AutoGen是微软推出的一个开源多智能体对话框架，旨在简化构建基于大型语言模型的对话系统。该项目通过模块化设计，使开发者能够快速搭建复杂的多智能体协作场景。最新发布的v0.4.5版本带来了多项重要更新，特别是在流式交互和R1推理能力方面有显著增强。
流式交互功能全面升级
v0.4.5版本最引人注目的改进之一是全面支持了流式交互功能。开发者现在可以通过设置model_client_stream=True参数来启用AssistantAgent的流式输出能力。这一功能不仅适用于单个智能体，还能在团队协作场景中通过run_stream方法实现。
在实际应用中，开发者可以通过两种方式处理流式输出：
- 使用内置的Console组件直接显示流式输出
- 自行处理
ModelClientStreamingChunkEvent消息，实现自定义的前端展示逻辑
流式交互的实现使得模型响应能够实时显示，大大提升了用户体验，特别是在需要长时间等待模型响应的场景中。
R1推理风格支持
新版本增加了对R1推理风格的原生支持。R1是一种特殊的推理输出格式，它将模型的思考过程与最终答案分离显示。开发者现在可以通过访问CreateResult.thought字段获取模型的推理过程，而CreateResult.content则包含最终答案。
这一特性特别适合需要展示模型思考链的应用场景，如数学问题求解、策略规划等。版本中还提供了国际象棋游戏的示例，展示了R1模型如何进行棋局分析和策略制定。
函数工具部分参数绑定
v0.4.5引入了对部分函数(partial functions)的工具化支持。开发者现在可以使用Python的functools.partial创建预设了部分参数的函数工具，这在需要固定某些参数值的场景下特别有用。
例如，可以创建一个预设了国家参数的天气查询工具，用户只需提供城市名即可获取天气信息。这一改进增加了函数工具的灵活性，简化了常用参数的传递过程。
代码执行代理增强
CodeExecutorAgent在这一版本中新增了可选的sources参数，允许开发者更灵活地控制代码执行的上下文环境。这一改进使得代码执行代理能够更好地适应不同的执行环境和需求。
新增示例应用
v0.4.5版本包含了多个新的示例应用，帮助开发者快速上手新功能：
- Streamlit与AgentChat集成的示例
- ChainLit前端与流式交互结合的示例
- 展示R1推理能力的国际象棋游戏示例
这些示例不仅展示了新功能的用法，还提供了实际应用场景的参考实现。
其他改进与修复
除了上述主要特性外，v0.4.5还包含多项改进和修复：
- 改进了非字符串函数参数的处理，增加了相应的警告机制
- 为OpenAIAssistantAgent添加了对AsyncAzureOpenAI客户端的支持
- 更新了依赖项以兼容protobuf 5
- 优化了文档，增加了Semantic Kernel适配器的使用说明
总结
AutoGen v0.4.5版本通过流式交互、R1推理支持和函数工具增强等特性，进一步提升了框架的实用性和灵活性。这些改进使得开发者能够构建更加流畅、透明的对话系统，特别是在需要实时反馈和复杂推理的应用场景中。新提供的示例应用也为开发者快速上手这些新功能提供了便利。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级，通过中期大规模视觉-语言推理数据训练，显著提升了模型的表征能力和模态对齐，实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager（推理记忆数据管理器），是一款以KV Cache为中心的推理加速套件，其融合了多类型缓存加速算法工具，分级管理并持久化推理过程中产生的KV Cache记忆数据，扩大推理上下文窗口，以实现高吞吐、低时延的推理体验，降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始，我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度，并在 200–300 次连续调用中保持稳定的工具使用能力，它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时，K2 Thinking 是原生 INT4 量化模型，具备 256k 上下文窗口，实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建，总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比，它在性能上有显著提升，并引入了新的实用功能Python00- Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型，支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容，输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入，具备多页批量处理、动态分块识别和交互式区域选择等创新功能，用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源，提供Hugging Face演示和完整代码，适用于学术研究到工业应用的广泛场景，为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
- Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型，并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型，它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色，旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
kernel
docs
cangjie_compiler
nop-entropy
flutter_flutter
openHiTLS
RuoYi-Vue3
pytorchcangjie_tools
ops-math