ollama run llama3

!pip install crewai==0.28.8 crewai_tools==0.1.6 langchain_community==0.0.29

FROM llama3
# настраиватьпараметр
PARAMETER temperature 0.8
PARAMETER stop Result
# настройки Настройте системные сообщения, чтобы указать чат-ассистента из строки для
# Сейчас существование временно оставлено пустым.
SYSTEM """"""

Трансмиссия модельные
Чтение данных элемента модели
Создать системный слой
Создать слой параметров
Создать уровень конфигурации
использовать созданный слой sha256:00e1317cbf74d901080d7100f57580ba8dd8de57203072dc6f668324ba545f29
использовать созданный слой sha256:4fa551d4f938f68b8c1e6afa9d28befb70e3f33f75d0753248d530364aeea40f
использовать созданный слой sha256:8ab4849b038cf0abc5b1c9b8ee1443dca6b93a045c2272180d985126eb40bf6f
слой записи sha256:71f37c09fdf6373a2c6afd11a4d20421862fd722ce465743c2f49f763a639f56
слой записи sha256:045397f468c947b89b22042cb6cf3f3b275c93751c1e66d077f967ff85977d51
слой записи sha256:a5d199f54597766bdf1741b00fc797bec159ae6386feef22d3f062a5fe5dc9ef
написать список
успех

from crewai import Agent, Task, Crew
from langchain_openai import ChatOpenAI
import os
os.environ["OPENAI_API_KEY"] = "NA"

llm = ChatOpenAI(
 model = "crewai-llama3",
 base_url = "http://localhost:11434/v1")

planner = Agent(
 Role="Планирование контента",
 Goal="Планируйте интересный и достоверный контент по {теме}",
 Предыстория="Вы существуетедлядли" 'https://medium.com/' Запланируйте публикацию в блоге на тему {topic}из. "
 «Вы собираете информацию, которая помогает вашей аудитории принимать обоснованные решения».
 «Вам необходимо подготовить подробный план и включить соответствующие темы и подтемы в свой пост в блоге».
 «Ваша работа является основой для авторов контента для написания статей на эту тему.»,
 llm=llm,
 Разрешить делегирование = False,
 Подробно=Истина
)

writer = Agent(
 role="автор контента",
 Goal="Напишите на тему: {topic} «Информированная и фактологически точная»Комментарная статья»,
 Backstory="Вы пишете статью на тему: {topic} о существовании'https://medium.com/' из Новая обзорная статья. "
 «Ваше письмо основано на работе планировщика контента, который предоставляет план и соответствующую справочную информацию».
 «Вы следуете намеченному плану основных целей и направлений»,
 «Как предоставлено куратором контента».
 «Вы также высказываете объективные и справедливые мнения»,
 «И используйте кураторов контента для предоставления информации, подтверждающей эти идеи».
 "существовать Когда вы комментируете статью, вы четко указываете свое мнение",
 «Что такое объективные утверждения.»,
 Разрешить делегирование = False,
 llm=llm,
 Подробно=Истина
)

editor = Agent(
 роль="редактировать",
 Goal="Отредактируйте данное сообщение в блоге так, чтобы оно совпадало"
 "организовать 'https://medium.com/' из Стиль письма. ",
 Backstory="Вы редактор, который получает сообщения в блоге от авторов контента."
 «Ваша цель — просматривать сообщения в блоге»,
 «Убедитесь, что это соответствует лучшим практикам журналистики»,
 «существовать высказывает мнение или обеспечивает сбалансированную точку зрения при утверждении»,
 «И старайтесь избегать серьезных спорных тем и мнений.»,
 llm=llm,
 Разрешить делегирование = False,
 Подробно=Истина
)

plan = Task(
 description=(
 "1. Расставьте приоритеты в отношении последних тенденций, ключевых игроков и важных новостей о {topic}из. \n"
 "2. Определите свою целевую аудиторию и учтите ее интересы и болевые точки. \n"
 "3. Разработайте подробный план контента, включая ключевые моменты и призывы к действию. \n"
 "4. Содержит ключевые слова SEO и соответствующие источники данных. "
 ),
 ожидаемый_выход="Комплексный документ с контент-планом, содержащий структуру, анализ аудитории, ключевые слова SEO и ресурсы.",
 agent=planner,
)

write = Task(
 description=(
 "1. используйте контент-план, чтобы написать привлекательную публикацию в блоге по теме для {topic}. \n"
 "2. Естественно, включите ключевые слова SEO. \n"
 "3. Главы/подзаголовки должны быть названы привлекательными. \n"
 "4. Убедитесь, что ваша статья структурирована с использованием привлекательного, содержательного и основного текста».
 «И краткое изложение изв. заключение。\n"
 "5. Проверьте текст на наличие грамматических ошибок и убедитесь, что он соответствует стилю бренда. \n"
 ),
 ожидаемый_выход="Хорошо написанное сообщение в блоге,"
 "Готово к публикации в формате уценки, каждый раздел должен состоять из 2-3 абзацев.",
 agent=writer,
)

edit = Задача(
 Описание = («Прочитайте данное сообщение в блоге, проверьте "
 «Синтаксическая ошибка» "
 «Соответствие стилю бренда»).
 Expected выход="Хорошо написанное сообщение в блоге, используйте формат уценки",
 «Готов к выпуску».
 «В каждом разделе должно быть от 2 до 3 абзацев.»,
 актерское мастерство=редактировать
)

имя переменной = "Текст из строки 1"
 "Текст из второй строки"

имя переменной = """Текст из строки 1
 Текст из второй строки
 """

crew = Crew(
  agents=[planner, writer, editor],
  tasks=[plan, write, edit],
  verbose=2
)

inputs = {"topic":"Comparative study of LangGraph, Autogen and Crewai for building multi-agent system."}
result = crew.kickoff(inputs=inputs)

[DEBUG]: == Работаактерское мастерство: планирование контента
[INFO]: == Старт задачи: 
1. В приоритете LangGraph, Autogen и Crewaiсуществоватьbuild мультиактерское Мастерствосистема из сравнительных исследований и последних тенденций, ключевых цифр и важных новостей.
2. Определите свою целевую аудиторию и учтите ее интересы и болевые точки.
3. Разработайте подробный план контента, включая ключевые моменты и призывы к действию.
4. Содержит ключевые слова SEO и соответствующие источники данных.
> Введите новую цепочку изCrewAgentExecutor...
> Окончательный ответ:

**Комплексный документ по планированию контента**

**Анализ целевой аудитории**
Целевая аудитория этой статьи — люди, имеющие опыт работы в области компьютерных наук и смежных областей, которые заинтересованы в создании мультиагентных агентов. Это могут быть исследователи, студенты или специалисты, которые хотят знать о последних тенденциях и технологиях в этой области. Болевые точки этой аудитории включают в себя:

- Ограниченное понимание различий между LangGraph и Autogen→Crewai.
- Трудно найти технологию, которая лучше всего соответствует их конкретным потребностям.
- Надеемся быть в курсе последних разработок мультиагентного строительства.

**Схема содержания**
I. **представлять**

- Определение мультиагентности и его значение в различных сферах (искусственный интеллект, роботы, логистика)
- Краткий обзор LangGraph, Autogen и Crewai
- Тезис: Хотя каждая из этих трех технологий имеет свои преимущества и недостатки, сравнительные исследования показывают, что каждая технология имеет свои уникальные преимущества при построении мультиагентного существования.

II. **LangGraph, Autogen и Crewaiиз Сравнительного Анализа**

A. **LangGraph**
- LangGraph из обзора функций (обработка естественного языка, семантический анализ)
- Преимущества: легко интегрируется с существующим фреймворком NLP, расширяемый.
- Недостатки: Ограниченная способность обрабатывать сложные сцены.

B. **Autogen**

- Autogen из обзора функций (изучение машины, генерация данных)
- Преимущества: возможность генерировать реальные данные для обучения моделей ML, эффективная обработка.
- Недостатки: требует серьезного ремонта, может плохо работать в шумной обстановке.

C. **Crewai**
- Crewai Функциональный обзор (изсистема на основе правил, представление знаний)
- Преимущества: Обеспечивает явное представление знаний и рассуждения, масштабируемость.
- Недостатки: требуется разработка правил вручную, что может не подойти для сложных сценариев.

III. **Ключевые моменты и рекомендации**

- Резюме сравнительного анализа
- При использовании каждой техники рекомендуется
- Рекомендации к действию: начните изучать LangGraph、Autogen и Кревай, для твоего следующего лота актерское мастерствосистемапроект！

**SEO Ключевые слова и связанные данные**
- Ключевые слова: LangGraph, Autogen, Crewai, Мультиагентная система, ИИ, робототехника, обработка естественного языка, машинаизучать
- Источник:
  - «Мультиагентная системасюрвей» Автор: [Имя автора], [Дата публикации]
  - "LangGraph: «Новый язык описания сложных систем» Автор: [Имя автора], [Дата публикации]
  - "Autogen: Эффективная система генерации и обработки данных» Автор: [Имя автора], [Дата публикации]
- 相закрыватьданные:  - Мультиагентная системасуществоватьрост применения в различных сферах (искусственный интеллект, робототехника, логистика)из статистики
  - UseLangGraph, AutogenиCrewai успешно реализовали примеры мультиагентной системы
**в заключение**

Это комплексное сравнительное исследование дает читателям более глубокое понимание особенностей, преимуществ и недостатков LangGraph, Autogen и Crewai. Анализируя плюсы и минусы каждой техники, читатели смогут выбрать наиболее подходящее для их конкретного мультиактерского жанра. мастерствосистема Принимайте обоснованные решения при формировании своих потребностей.

Думая: Я обнаружил, что существование дало очень хороший ответ!

> Завершите цепочку.
>  [отлаживать]: == [Планировщик контента] Задачавыход: **Комплексный контент-план**

**Анализ целевой аудитории**
Эта статья предназначена для людей, имеющих опыт работы в области компьютерных наук и смежных областей, заинтересованных в создании мультиагентных агентов. Этими читателями могут быть исследователи, студенты или специалисты, которые хотят знать о последних тенденциях и технологиях в этой области. Болевые точки этой аудитории включают в себя:

- Ограниченное понимание различий между LangGraph и Autogen→Crewai.
- Трудно найти технологию, которая лучше всего соответствует их конкретным потребностям.
- Надеюсь узнать о последних достижениях в построении мультиагентной системы.

**Схема содержания**
# I. **введение**

- Определение мультиагентности и его значение в различных сферах (искусственный интеллект, роботы, логистика)
- LangGraph、Autogen и Crewai из Краткий обзор
- Тезис: Хотя эти три технологии имеют свои преимущества и недостатки, сравнительные исследования показывают, что каждая технология имеет свои уникальные преимущества при создании мультиагентных агентов.

# II. **LangGraph、Autogen и Crewai из Сравнительный анализ**

## A. **LangGraph**
- LangGraph Функциональный обзор (обработка естественного языка, семантический анализ)
- Преимущества: Легко интегрируется с существующими NLP Интеграция фреймворка для масштабируемости
- Недостатки: Ограниченная способность обрабатывать сложные сцены.

B. **Autogen**

- Autogen Обзор функций (изучение машины, генерация данных)
- Преимущества: Возможность создания моделей для обучающих машин, реальных моделей, эффективная обработка.
- Недостатки: Требует большого количества стандартных изданий. Примечание. Может плохо работать в шумной обстановке.

C. **Crewai**
- Crewai Функциональный обзор (изсистема на основе правил, представление знаний)
- Преимущества: обеспечивает явное представление и обоснование знаний, а также масштабируемость.
- Недостатки: требуется разработка правил вручную, что может не подойти для сложных сценариев.

III. **Ключевые моменты и рекомендации**

- Резюме сравнительного анализа
- При использовании каждой техники рекомендуется
- Призыв к действию: начните изучать LangGraph, Autogen и Crewai для своего следующего проекта. мастерствосистемапроект！

**SEO Ключевые слова и связанные данные**
- Ключевые слова: LangGraph, Autogen, Crewai, Мультиагентная система, ИИ, робототехника, обработка естественного языка, машинаизучать
- источник:
  - «Мультиагентная системасюрвей» Автор: [имя автора], [дата публикации]
  - "LangGraph：«Новый язык описания сложных систем» Автор: [имя автора], [дата публикации]
  - «Autogen: эффективная система генерации и обработки данных» Автор: [имя автора], [дата публикации]
- 相закрыватьданные:  - Мультиагентная системасуществовать в различных областях (искусственный интеллект, робототехника, логистика) из статистики роста приложений.
  - ИспользоватьLangGraph, AutogenиCrewai успешно реализовали примеры мультиагентной системы.
**в заключение**

Это комплексное сравнительное исследование дает читателям более глубокое понимание особенностей, преимуществ и недостатков LangGraph, Autogen и Crewai. Анализируя преимущества и недостатки каждой технологии, читатели смогут проанализировать ее конкретные преимущества и недостатки. мастерствосистема Создайте свой выбор лучшего инструмента и принимайте разумные решения.

Думая: Я обнаружил, что существование дало очень хороший ответ!
[DEBUG]: == Работаактерское мастерство: автор контента
[INFO]: == Старт задачи: 
1. использовать контент-план для написания статьи о LangGraph, AutogenиCrewaiсуществоватьBuilding Мульти-актерское Сравнительные исследования мастерствосистем из увлекательных публикаций в блогах.
2. Естественно, включите ключевые слова SEO.
3. Название каждой главы/подзаголовка должно быть привлекательным.
4. Убедитесь, что ваша статья имеет привлекательный, подробный текст и заключительные абзацы. заключение。
5. Вычитайте корректуру, чтобы убедиться в правильности грамматики и соответствии фирменному стилю.

> Введите новую цепочку изCrewAgentExecutor...
> **думать:** Теперь существуют я могу дать очень хороший ответ!
**Окончательный ответ:**

О строительстве еще актерского Сравнительное исследование мастерствасистемиз LangGraph, Autogen и Crewaiиз
В последние годы большое внимание уделяется различным областям, таким как мультиагентная системасуществовать искусственный интеллект (ИИ), робототехника и логистика. Эти сложные изсистемы включают в себя множество агентов, взаимодействующих друг с другом для достижения общей цели. Технология играет решающую роль в успешном построении мультиагентной системы. В данной статье будет проведено сравнительное исследование трех основных технологий, используемых для построения мультиагентных системиз-LangGraph и AutogenиCrewairukodrive.

**введение**

Мультиагентная система (MAS) определяется как сложная система, состоящая из нескольких агентов, взаимодействующих для достижения общей цели. Важность MAS заключается в его способности моделировать взаимодействие множества автономных объектов в реальном мире и адаптироваться к меняющейся среде. Ланг Граф, Автоген и Crewai Это три технологии, которые получили значительное внимание в области мультиагентного строительства.
LangGraph、Autogen и Crewai Целью существования является продвижение множественного актерского мастерства путем предоставления эффективных методов представления, рассуждения и создания сложных структур знаний. Разработано мастерствосистемаиз. Хотя каждый метод имеет свои преимущества и недостатки, сравнительные исследования показывают, что LangGraph Отлично подходит для обработки естественного языка (НЛП). Задача, Autogen существующие машины изучения (ML) и данные превосходят по производительности, в то время как Crewai существуют выдающиеся показатели в представлении знаний на основе правил.

**LangGraph、Autogen и Crewai из Сравнительный анализ**

### LangGraph
LangGraph Это новый тип языка, специально разработанный для описания сложных систем. Его возможности обработки естественного языка делают его необходимым для семантического анализа и з Задачи (например, вопросов и ответов и обобщения текста) и для идеальных выборов. использовать LangGraph из Преимущества включают простоту интеграции с существующими NLP Интеграция и расширяемость фреймворка. Однако его ограничения отражают его неспособность справляться со сложными сценами.

### Создается автоматически
Autogen Это структура машинного изучения, целью которой является эффективное создание существующих моделей обучающих машин на основе реальных данных. Его возможности генерации данных делают его пригодным для улучшения данных, классификации текста, распознавания изображений и т. д. Задача. использовать Autogen из Преимущества включают в себя эффективную изданную обработку и возможность генерировать реальные данныеиз. Тем не менее, Автоген Требует тщательной интерпретации и может не работать в шумной обстановке.

### Crewai
Crewai Это основанная на правилах изсистема, целью которой является содействие представлению и рассуждению знаний. Его масштабируемость делает его подходящим для крупномасштабных приложений, таких как экспертные системы, системы поддержки принятия решений и актерское интеллект. мастерство。использовать Crewai Преимущества включают его способность представлять сложные структуры знаний и его масштабируемость. Однако Кревай Требует разработки правил вручную и может не подойти для сложных сценариев.

**Ключевые моменты и рекомендации**
Короче говоря, LangGraph, Autogen и Crewai Есть ли три существующих строя более актерского характера? Мастерствосистема имеет свои преимущества и технологии. ключ в Заключение Да, каждая технология имеет свои уникальные преимущества и недостатки. Технология извыбирать зависит от применения и конкретных потребностей, например. LangGraph Подходит для обработки естественного языка Задача, Autogen Подходит для генерации данных.

Предложения включают в себя:
- ИспользоватьLangGraphруководитьNLP Задача, например вопросы и ответы, а также текстовое резюме.
- Использование обработки Autogen требует эффективной обработки для создания реальных машин.
- Применяйте Crewai к приложениям, требующим масштабируемости, сложных рассуждений, а также основанного на правилах и системного представления знаний.

**призыв к действию**
Ваш следующий проект многоагентной системы требует тщательного рассмотрения выбора технологий. Ланг Граф, Автоген и Crewai существование предоставляет уникальные преимущества в успешном построении мультиагентной системы. Начните изучать эти технологии уже сегодня, раскройте их потенциал и наслаждайтесь результатами разработки передовых мультиагентных агентов!

Думая: Я обнаружил, что существование дало очень хороший ответ!

> Цепочка завершена.
>  [отлаживать]: == [автор контента] Задачавыход: **

LangGraph、Autogen и Crewai существуют Сравнительные исследования по аспектам построения мультиагентной системы
В последние годы широкое внимание привлекли мультиагентные системы искусственного интеллекта (ИИ), робототехника и логистика. Эти сложные изсистемы включают в себя взаимодействие нескольких агентов для достижения общей цели. Технология играет решающую роль в успешном построении мультиагентной системы. В данной статье будет проведено сравнительное исследование LangGraph и AutogenиCrewai, трёх основных технологий построения мультиагентной системыизрукопривод.

**введение**
Мультиагентная система (MAS) определяется как сложная система, состоящая из нескольких агентов, взаимодействующих для достижения общей цели. Важность MAS заключается в его способности моделировать взаимодействие множества автономных объектов в реальном мире и адаптироваться к меняющейся среде. LangGraph и AutogenиCrewai — три технологии, получившие значительное внимание в области мультиагентного построения.
LangGraph、Autogen и Crewai Целью существования является продвижение множественного актерского мастерства путем предоставления эффективных методов представления, рассуждения и создания сложных структур знаний. Разработано мастерствосистемаиз. Хотя у каждого метода есть свои плюсы и минусы, сравнительное исследование показывает, что LangGraph Отлично подходит для обработки естественного языка (НЛП). Задача, Autogen существующие машины изучения (ML) и данные превосходят по производительности, в то время как Crewai существуют выдающиеся показатели в представлении знаний на основе правил.

**LangGraph、Autogen и Crewai из Сравнительный анализ**

### LangGraph
LangGraph — это новый язык, разработанный специально для описания сложных тем. Его возможности обработки естественного языка делают его необходимым для семантического анализа и з Задачи (например, вопросов и ответов и обобщения текста) и для идеальных выборов. Преимущества использования LangGraphiz включают простую интеграцию с существующими платформами NLP и масштабируемость. Однако его ограничения отражают неспособность обрабатывать сложные сцены.

### самогенерируемый
Autogen Это платформа, предназначенная для эффективного создания моделей для обучающих машин и реальных машин. Его возможности генерации данных делают его пригодным для улучшения данных, классификации текста, распознавания изображений и т. д. Задача. использовать Autogen из Преимущества включают в себя эффективную изданную обработку и возможность генерировать реальные данныеиз. Тем не менее, Автоген Он требует большого количества изданных этикеток и может не работать в шумной обстановке.

### Crewai
Crewai Это основанная на правилах изсистема, целью которой является содействие представлению и рассуждению знаний. Его масштабируемость делает его подходящим для крупномасштабных приложений, таких как экспертные системы, системы поддержки принятия решений и актерское интеллект. мастерство。использовать Crewai Преимущества включают его способность представлять сложные структуры знаний и масштабируемость. Однако Кревай Требует разработки правил вручную и может не подойти для сложных сценариев.

**Ключевые моменты и рекомендации**
Короче говоря, LangGraph, Autogen и Crewai Есть ли три существующих строя более актерского характера? мастерствосистема имеет свои особенности и технологии. Ключевым моментом является то, что каждая технология имеет свои уникальные преимущества и недостатки. Технология извыбирать зависит от применения и конкретных потребностей, например. LangGraph Подходит для обработки естественного языка Задача, Autogen Применяется к данным для создания задачи.

Предложения включают в себя:
- использовать LangGraph руководить обработкой естественного языка, например, вопросами и ответами и обобщением текста.
- использовать Autogen Обработка требует эффективной обработки данных и создания реальных машин для обработки данных и выполнения задачи.
- приложение Crewai Для необходимости масштабируемости и комплексного рассуждения, а также основанного на правилах и системного представления знаний.

**призыв к действию**
Ваш следующий проект многоагентной системы требует тщательного рассмотрения выбора технологий. Ланг Граф, Автоген и Crewai существование предоставляет уникальные преимущества в успешном построении мультиагентной системы. Начните изучать эти технологии сегодня, раскройте их потенциал и пожинайте плоды разработки передовых мультиагентных агентов!

Думая: Я обнаружил, что существование дало очень хороший ответ!

[отлаживать]: == Работаактерское мастерство: редактировать
 [информация]: == Старт задачи: Отредактируйте данное сообщение в блоге на наличие грамматических ошибок и на предмет соответствия фирменному тону.

> Введите новый из CrewAgentExecutor цепь...
> Думаю: теперь я могу дать хороший ответ.
Окончательный ответ:

Сравнительное исследование LangGraph, Autogen и Crewaiсуществовать, конструированное множественное актерское мастерство. мастерствосистемасерединаизприложение
В последние годы широкое внимание получили многие области, такие как многоагентный искусственный интеллект (ИИ), робототехника и логистика. Эти сложные системы включают в себя взаимодействие нескольких агентов для достижения общей цели. Технология выборасуществовать играет жизненно важную роль в успешном построении мультиагентной системы. В этой статье будет проведено сравнительное исследование LangGraph и AutogenиCrewai, трех основных технологий, используемых для создания мультиагентных агентов.

**введение**
Мультиагентная система (MAS) определяется как сложная система, состоящая из нескольких агентов, взаимодействующих для достижения общей цели. Важность MAS заключается в его способности моделировать взаимодействие множества автономных объектов в реальном мире и адаптироваться к меняющейся среде. Ланг Граф, Автоген и Crewai Это три технологии, которые получили значительное внимание в области мультиагентного строительства.
LangGraph、Autogen и Crewai Целью существования является содействие развитию мультиагентных систем путем предоставления эффективных методов представления, обоснования и создания сложных структур знаний. Хотя у каждого метода есть свои плюсы и минусы, сравнительные исследования показывают, что LangGraph Отлично подходит для обработки естественного языка (НЛП). Задача, Autogen существующие машины изучения (ML) и данные превосходят по производительности, в то время как Crewai существования хорошо работает в представлении знаний на основе правил.

**LangGraph、Autogen и Crewai из Сравнительный анализ**

### LangGraph
LangGraph — это новый язык, специально разработанный для описания сложных тем. Возможности обработки естественного языка делают его идеальным для задач семантического анализа (например, вопросов и ответов и обобщения текста) из выбора. Преимущества использования LangGraphiz включают простую интеграцию с существующими платформами NLP и масштабируемость. Однако его ограничения отражают то, что существование не может обрабатывать сложные сцены.

### Autogen
Autogen Это структура машинного изучения, целью которой является эффективное создание существующих моделей обучающих машин на основе реальных данных. Его возможности генерации данных делают его пригодным для улучшения данных, классификации текста, распознавания изображений и т. д. Задача. использовать Autogen из Преимущества включают в себя эффективную изданную обработку и возможность генерировать реальные данныеиз. Тем не менее, Автоген Требует обширной интерпретации и может плохо работать в шумной обстановке.

### Crewai
Crewai 是один基于правилоизсистема,цельсуществовать Содействие представлению знанийирассуждение。этоиз Масштабируемость делает его подходящим для крупномасштабныхприложение,как экспертсистема、принятие решений支持системаиразумныйактерское мастерство。использовать Crewai Преимущества включают его способность представлять сложные структуры знаний и масштабируемость. Однако Кревай Требует разработки правил вручную и может не подойти для сложных сценариев.

**Главное в заключениеипредположение**
Короче говоря, LangGraph, Autogen и Crewai Есть ли три существующих строя более актерского характера? мастерствосистемаимеет уникальные преимущества визтехнология。одинзакрывать键点是,每种технология都有其独特изпреимуществоинедостаток。технологияизвыбиратьв зависимости отприложениеиз Особые потребности,Например LangGraph из NLP Задачаили Autogen изданныегенерировать。

Предложения включают в себя:
- использоватьLangGraphруководить обработкой естественного языка, например, вопросами и ответами и обобщением текста.
- использоватьAutogenруководить Нужно быть эффективнымданныеиметь дело сигенерировать逼真данныеизмашинаизучать Задача。
- Применяйте Crewai к приложениям, требующим масштабируемости, сложных рассуждений, а также основанного на правилах и системного представления знаний.

**Призыв к действию**
Проекты мультиагентных систем следующего поколения требуют тщательного рассмотрения технологических выбора. Ланг Граф, Автоген и Crewai Каждая из существующих успешно построенных многоагентных систем имеет свои уникальные преимущества. Начните изучать эти технологии уже сегодня, раскройте их потенциал и наслаждайтесь результатами разработки передовых мультиагентных агентов!

> Завершите цепочку задач.
>  [отлаживать]: == [редактироватьустройство] Задачавыход: LangGraph、Autogen и Crewai Сравнительное исследование по построению мультиагентной системы в существующих
> ======================================================
В последние годы широкое внимание привлекли различные области, такие как многоагентный искусственный интеллект (ИИ), робототехника и логистика. Эти сложные системы включают в себя взаимодействие нескольких агентов для достижения общей цели. Технология выборасуществовать играет жизненно важную роль в успешном построении мультиагентной системы. В данной статье будет проведено сравнительное исследование трёх основных технологий, используемых для построения мультиагентных агентов: LangGraph и AutogenиCrewaiруководить.

**введение**
Мультиагентная система (MAS) определяется как сложная система, состоящая из множества агентов, взаимодействующих для достижения общей цели. МАС Его важность заключается в его способности моделировать взаимодействие множества автономных объектов в реальном мире и адаптироваться к меняющейся среде. Ланг Граф, Автоген и Crewai Значительное внимание получили три вида построения мультиагентных систем.
LangGraph, AutogenиCrewai — все для продвижения актерского искусства. мастерствосистемаизразвивать,Предоставляя эффективные методы представления, обоснования и создания сложных структур знаний. Хотя каждая технология имеет свои преимущества и недостатки.,Однако сравнительные исследования показывают,LangGraph подходит для обработки естественного языка (NLP),Autogenсуществующие машины изучения (ML) и данные превосходят по производительности, в то время какCrewaiносуществуют выдающиеся показатели в представлении знаний на основе правил.

**LangGraph, Autogen и Crewaiиз Сравнительного Анализа**

### LangGraph
LangGraph Это новый язык, специально разработанный для описания сложных тем. Его возможности обработки естественного языка делают его необходимым для семантического анализа и з Задачи (например, вопросов и ответов и обобщения текста) и для идеальных выборов. использовать LangGraph из Преимущества включают простоту интеграции с существующими NLP Интеграция и расширяемость фреймворка. Однако его ограничения отражают то, что существование не может обрабатывать сложные сцены.

### Autogen
Autogen Это структура машинного изучения, целью которой является эффективное создание существующих моделей обучающих машин на основе реальных данных. Его возможности генерации данных делают его пригодным для улучшения данных, классификации текста, распознавания изображений и т. д. Задача. использовать Autogen из Преимущества включают в себя эффективную изданную обработку и возможность генерировать реальные данныеиз. Тем не менее, Автоген Он требует большого количества изданных этикеток и может не работать в шумной обстановке.

### Crewai
Crewai Это основанная на правилах изсистема, целью которой является содействие представлению и рассуждению знаний. Его масштабируемость делает его подходящим для крупномасштабных приложений, таких как экспертные системы, системы поддержки принятия решений и актерское интеллект. мастерство。использовать Crewai К преимуществам относится его способность представлять сложные структуры знаний и масштабируемость. Однако Кревай Требует разработки правил вручную и может не подойти для сложных сценариев.

**Ключевые моменты и рекомендации**
Короче говоря, LangGraph, Autogen и Crewai Есть ли три существующих строя более актерского характера? Мастерствосистема обладает уникальными технологическими преимуществами. Ключ изв Заключение Да, каждая технология имеет свои уникальные преимущества и недостатки. Технология извыбирать зависит от применения и конкретных потребностей, например. LangGraph Подходит для обработки естественного языка Задача, Autogen Подходит для генерации данных.

Предложения включают в себя:
- использовать LangGraph руководить обработкой естественного языка, например, вопросами и ответами и обобщением текста.
- использовать Autogen Обработка требует эффективной обработки данных и создания реальных машин для обработки данных и выполнения задачи.
- приложение Crewai Для необходимости масштабируемости и комплексного рассуждения, а также системы правил представления знаний.

**призыв к действию**
Ваш следующий проект многоагентной системы требует тщательного рассмотрения выбора технологий. Ланг Граф, Автоген и Crewai существоватьстроитьуспехиз MAS Это дает уникальные преимущества. Начните изучать эти технологии сегодня, раскройте их потенциал и пожинайте плоды разработки передовых мультиагентных агентов!

from IPython.display import Markdown,display
display(Markdown(result))

# LangGraph、Autogen и Crewai существуют Сравнительные исследования по аспектам построения мультиагентной системы
В последние годы широкое внимание привлекли различные области, такие как мультиагентная системасуществовать искусственный интеллект (ИИ), робототехника и логистика. Эти сложные системы включают в себя взаимодействие нескольких агентов для достижения общей цели. Технология играет решающую роль в успешном построении мультиагентной системы. существования В этой статье мы проведем сравнительное исследование LangGraph и AutogenиCrewai, трех основных технологий построения мультиагентной системыизрукопривода.

# введение
Мультиагентная система (MAS) определяется как сложная система, состоящая из множества агентов, взаимодействующих для достижения общей цели. МАСизважностьсуществовать于其能够模拟现实世界середина多个自主实体相互作用并适应不断变化изсреда。LangGraph、Autogen и Crewai Это три технологии, которым уделяется большое внимание в области мультиагентного строительства.
LangGraph、Autogen и Crewai Целью существования является продвижение множественного актерского мастерства путем предоставления эффективных методов представления, рассуждения и создания сложных структур знаний. Разработано мастерствосистемаиз. Хотя каждый метод имеет свои преимущества и недостатки, сравнительные исследования показывают, что LangGraph Отлично подходит для обработки естественного языка (NLP) Задача,Autogen существоватьмашинаизучать (ML) иданные хорошо работают с точки зрения генерации, в то время как Crewai существуют выдающиеся достижения в области представления знаний на основе правил.

# LangGraph、Autogen и Crewai из Сравнительный анализ

# LangGraph
LangGraph Это новый язык, разработанный специально для описания сложных тем. Возможности обработки естественного языка делают его идеальным для задач семантического анализа (например, вопросов и ответов и обобщения текста) из выбора. использовать LangGraph из Преимущества включают простоту интеграции с Интеграция существующих фреймворков NLP и расширяемость. Однако,его ограничениясуществовать于无法иметь дело с复杂изсцена。

# Autogen
Autogen Это машинная среда, целью которой является эффективное создание моделей для обучающих машин и моделей из реальной жизни. Его возможности генерации данных делают его пригодным для улучшения данных, классификации текста, распознавания изображений и т. д. Задача. использовать Autogen из Преимущества включают в себя эффективную изданную обработку и возможность генерировать реальные данныеиз. Тем не менее, Автоген Он требует большого количества стандартных стандартов и может не работать должным образом в шумной обстановке.

# Crewai
Crewai 是один基于правилоизсистема,цельсуществовать Содействие представлению знанийирассуждение。其Масштабируемость делает его подходящим для крупномасштабныхприложение,как экспертсистема、принятие решений支持системаиразумныйактерское мастерство。использовать Crewai К преимуществам относятся его способность представлять сложные структуры знаний и масштабируемость. Однако Кревай Требует разработки правил вручную и может не подойти для сложных сценариев.

# Основные выводы и рекомендации
Короче говоря, LangGraph, Autogen и Crewai Есть ли три существующих строя более актерского характера? мастерствосистемасередина具有独特Преимуществаизтехнология。одинзакрывать键点是每种технология都有其独特изпреимуществоинедостаток。технологияизвыбиратьв зависимости отприложениеиз Особые потребности,Например LangGraph из Обработка естественного языка Заданили Autogen изданныегенерировать Задача。

Предложения включают в себя:
- ИспользоватьLangGraphруководитьNLPЗадача, например вопросы и ответы и обобщение текста.
- использоватьAutogenруководить Нужно быть эффективнымданныеиметь дело сигенерировать真实данныеизмашинаизучать Задача。
- приложениеCrewaiруководить需要Масштабируемостьи复杂рассуждениеиз基于правилоизсистемаипредставление знаний。