2024年3月1日下午，一场聚焦魔搭社区Multi-Agent（多智能体）最新开源进展的分享会 在上海模速空间创新生态社区1楼路演厅成功举办。

 

此次活动的嘉宾集结了来自阿里通义实验室的算法专家、同济大学教授以及模速空间入驻企业的行业代表与社区开发者代表。同时现场也吸引了来自金融、媒体、设计、软件开发、传统制造业、高校及实验室等多元化背景的50余名观众。

 

模速空间是上海市为拓展大模型行业应用落地、加速引领上海大模型产业发展所共建的创新生态社区，也是全国首个大模型生态社区，致力于打造成为各类通用大模型、垂类大模型及大模型应用创新初创项目，打造更具竞争力的世界级人工智能产业集群。目前，模速空间已有60家企业入驻，打造5大公共服务平台、举办50余场行业活动，全面汇集高平台、高学历、高视野产业人才，全方位激活高水平、高浓度、高势能创新生态。

 

 

 

 

 

 

 

 

 

如主持人魔搭社区生态运营负责人朱琳开场介绍，“模速空间以其优越的实体环境，为AI企业提供了一个绝佳的发展平台，让创新和灵感在现实中得以碰撞和实现。而魔搭社区则通过开源的力量，让AI的技术和知识得以自由流动和涌现。”

 

 

开场

魔搭开源平台助力AI发展

 

 

 

 

首先，由魔搭社区生态运营负责人朱琳带来 魔搭开源平台助力AI发展 的分享，为大家简要介绍魔搭社区作为模型开源社区，为开发者提供算法（模型）、数据、算力、应用展示的一站式服务，并生动演示了多个社区的趣味AI应用，引起线上下观众的强烈兴趣关注。

 

 

主题Talk

AgentScope开源首发分享

 

接下来，由 阿里通义实验室资深算法专家 李雅亮 及其团队同学，带来其最新研发的AgentScope开源首发分享：AgentScope：A Flexible yet robust Mutli-Agent Platform。

 

分享报告包括 从大模型到AgentScope、AgentScope技术实现揭秘、应用案例分享 三个部分。

 

从大模型到AgentScope

通义实验室资深算法专家李雅亮

 

 

 

 

 

基于当前大模型的发展、存在的局限性（幻觉、时效性、封闭性、可靠性），提出Agent（智能体）能让大模型更全能，而Multi-Agent作为多Agent的协同理念可在应用场景中进一步实现可靠性增强、复杂工程、社会模拟的优势，但同时也面临着 编排复杂流程、增强系统鲁棒性、处理多模态数据、提高运行效率 四项挑战，而团队近期的最新工作 AgentScope作为一款全新的Multi-Agent开发平台，专为应用开发者打造，旨在提供高易用、高可靠的编程体验，提供多模态和分布式的技术支持，目前项目已开源。

 

 

 

 

 

 

AgentScope技术实现揭秘

通义实验室算法专家 高大伟（平台易用性）、潘叙辰（分布式介绍）

 

 

 

 

 

 

 

 

详细介绍了AgentScope平台的设计理念（易用性、鲁棒性、多模态、分布式）和技术细节

 

 

 

 

 

 

 

 

 

应用案例分享

通义实验室高级算法工程师 邝炜瑞

 

 

 

 

首先结合短视频创作、游戏设计&开发 两个应用场景对多智能体开发范式前景作展望，并进一步展示了目前基于AgentScope搭建的丰富的多智能体应用Demo，包括解谜小说游戏应用、AI狼人杀、多模态工具应用（Demo体验可详见文章《抢鲜评测AgentScope：Agent+游戏制作+视频生成的新范式》 ），最后，用一个精彩的AI解谜游戏 谜馔：寻味 作为案例剖析实现过程。

 

 

 

 

 

 

 

 

 

 

 

 

圆桌

MuiltiAgent在行业应用的落地

 

主持人：

魔搭社区技术运营负责人 成晨

 

嘉宾（按单位首字母排序）：

猴子无限创始人&CEO 尹伯昊

华东理工大学 X-D Lab（心动实验室） 颜鑫

同济大学数学科学学院研究员 陈小杨

通义实验室AgentScope团队 李雅亮、高大伟、潘叙辰、邝炜瑞

 

 

 

 

 

 

精彩观点提炼：

同济大学数学科学学院研究员 陈小杨

教育场景的应用上，针对高校学生考试周集中学习&答疑的现状，和老师资源不足的痛点，可基于大模型驱动设计一个线上答疑平台和虚拟教室，以及结合大模型和数字技术搭建虚拟教师的想法。目前该想法已经在落地尝试中了，预计本月在同济大学上线测试。

 

 

华东理工大学 X-D Lab（心动实验室） 颜鑫

在LLM驱动下的Multi-Agent游戏开发范式，会让开发的游戏的丰富性和可玩性更强，LLM能让游戏策划更有创意，而不像目前很多重复性较强的小游戏大家玩过1遍，摸清套路后就不会再留存下来。

 

同时，我会更关注未来是否能有小参数的LLM、开源的LLM能否很好的carry Multi-Agent框架，而不仅仅只是OpenAI的模型一家独放。

 

 

猴子无限创始人&CEO 尹伯昊

Agent应该去做主驾驶员的事情。我觉得最核心的，在当今世界，就是自主进行经济活动，即能全自动的帮我赚钱，比如说全自动地营销：能全自动地在国内发小红书，在海外发ins、推特；全自动的销售：帮我找线索，然后销售转化，并且根据客户的需求进行售前、售后订单的管理。

 

Agent更快地落地适合数字化能力较好的场景，我们看到两个行业应该是最直接的，第一个是营销，各个行业的营销，快销的，慢销的，面对面面销属性的，比如说软件等（在数字化营销时代，已经沉淀了大量的知识和数据）。然后第二个就是金融，因为人类当前金融业的核心就建立在数字化的基础上，金融行业是所有行业里面数字化技术最好的行业之一。同时大模型时代，我们的技术更具有定位数据感知的能力、和从符号的范式向神经的范式来转化数据的处理能力，从而舆情和政策信息的感知更高效。因此金融行业的落地是很快的。

 

 

通义实验室AgentScope团队

AgentScope其实不仅限于一个游戏开发框架。挑选游戏作为首秀，是希望这个场景能够拉近我们与用户的距离。这是一个可以0代码或者低代码即可上手开发复杂游戏场景的工具，更能体现AgentScope的易用性第一的设计理念。此外，未来也不会局限于游戏场景，可能更多聚焦在多模态的应用上，比如智慧医疗场景，目前已有部分医疗机器人系统参与到诸如CT影像的初步判读过程中，它们能够基于图像识别技术提供基础的“是/否”判断，但有了智能体之后，可以结合患者的过往病历，结合CT的生态指标，做出更准确的判断。

 

关于Single-Agent和Multi-Agent应用的问题，举一个NLP2SQL的场景：把自然语言转化成可以执行的SQL，直观理解是一个指令完成一个任务，大部分情况下我们认为用Single-Agent即可，但事实上我们测试过很多开源模型，它的性能并不尽如人意。但如果我们把它拆成Multi，即先把query分给LLM，将任务拆成几个简单的问题，再用Multi-Agent的方式完成它，这时候即使背后是同样的LLM，我们可以把这个应用的过程变得可控，增加了容错和鲁棒性的问题。所以我们的观点是要根据实际应用情况（包括背后的LLM），区分是使用Single-Agent 还是Multi-Agent。

 

未来，AgentScope正在规划如何满足越来越多非计算机背景的人来真正使用这个框架。一方面会build一个可以跟用户直接通过自然语言方式进行交流、0代码的方式去构建一个helper，另一方面会做一个WebUI界面，用户可通过拖拽的方式组合内置的工具如检索数据库、检索新闻、其他公司的API... 同时，也会有上端的期望，用户能在手机上完成应用创建，当然也会受到手机端设备局限的加速度、速度、其他感受器等挑战。

 

本次分享以120分钟丰富的技术干货和精彩互动，赢获了场间观众的掌声和线上直播间观众的点赞交流，向大家展示了Multi-Agent在行业应用中的巨大潜力。

 

这是魔搭社区和模速空间的首次联动，未来魔搭还会在模速空间举办更多精彩的大模型主题的线下meetup，服务好广大开发者和创业者，与模速空间携手共同推动大模型生态繁荣。

 

本次活动的完整实况直播收录在“魔搭ModelScope社区”视频号的直播回放中，感兴趣的的小伙伴们可移步观看。