登录社区云，与社区用户共同成长
邀请您加入社区
AgentScope 的新版本主要从 RAG，可视化和系统提示优化三个角度进行了更新，旨在降低开发者的开发代价，提供更加友好的开发体验。
AgentScope Workstation令多智能体应用的搭建变得轻而易举，只需简单拖拽操作，每位用户都能快速打造出丰富多彩的应用。
欢迎关注AgentScope，在github上（https://github.com/modelscope/agentscope） star 。 本文写给有一定编程基础的学习者，得以入门 源码级 开发Agentscope应用，并上线创空间，参加AgentScope的应用开发挑战赛。 赛事详情可见：https://startup.aliyun.com/special/aihackathon4
前言 不知不觉中 Multi-Agent 实践系列已经更新到第7期，在之前的文章中已经介绍了众多 AgentScope 支持的有趣的应用。但过去的文章中所介绍的案例都是运行在单台机器上以单进程形式运行，受限于 Python 的全局解释器锁（参见结尾wiki链接），实际只能有效利用一个 CPU 的计算资源，并且无法支持多个用户从自己的电脑上接入同一个 Multi-Agent 应用进行交互。 为了提
前言 在前几期的文章中，我们带大家了解了怎么去利用AgentScope去编写一些简单应用程序（可以@人的群聊、五子棋）和一些对agent非常有用的技术向的应用（ReAct和RAG）。本期文章，我们会介绍一下AgentScope的一个设计哲学（Agent-oriented programming），然后和大家一起看看在这样的思想指导下设计的AgentScope能如何用比较少的代码量就开发出一个让智能
前言 在前几期的文章中，我们由浅入深地介绍了怎么用AgentScope构建一个带有@功能的对话、如何搭建一个简单的五子棋游戏，也带领大家一起构建了一个既能动态反思、也能动态决定如何调用工具的ReAct Agent。除了ReAct技术外，另一个能让智能体回答更靠谱、回答内容更切合场景的技术，就是检索增强生成（Retrieval Augmented Generation，RAG）。 本期文章，我们将
前言 在前几期的文章中，我们了解了如何利用AgentScope构建一个带有@功能的对话，以及如何搭建一个简单的五子棋游戏。在这些应用中，一个共性是大模型会直接根据提示产生回复，对于简单任务，或许大模型还能够处理。但当我们面对更加复杂的任务时，我们期待大模型变得更加“聪明”，能够应对更多样的场景，解决更加复杂的问题。本期文章，我们将向大家展示如何使用AgentScope内置的ReAct智能体解决更为
前言 在上一期的文章《Multi-Agent实践第2期: @智能体 你怎么看？》中，我们简要介绍了如何使用AgentScope快速构建一个多智能体聊天场景以及可以直接"@"提及某个智能体的群聊功能。本期，我们将带你体验如何实现用AgentScope如何快速实现一个游戏向应用：试试让两个智能体下五子棋～ 因为有些功能性代码比较琐碎，为了文章简洁可能被部分隐去；完整的代码可以参见（https://gi
前言 在上一期的文章《Multi-Agent实践第1期：5分钟上手AgentScope》中，我们简要介绍了如何使用AgentScope快速构建一个多智能体聊天应用。本期，我们将带你体验如何实现一个更具互动性的多智能体群聊——在这个群聊中，你可以直接"@"提及某个智能体来引发对话。 欢迎关注AgentScope，在github上（https://github.com/modelscope/agen
LLM-Powered Agent作为探索人工通用智能的途径之一，阿里云和魔搭社区联合举办Create@AI创客松，邀请创作者、开发者探索基于多智能体的人机协作模式，并提供资源支持和专家指导，获奖者更有近5W现金奖励以及共计6亿次千问调用额度，欢迎报名参加。 报名入口：https://startup.aliyun.com/special/aihackathon4 前言 五分钟够做什么？刷几个短
