特殊能力

1. 自监督提示优化 (SPO)

SPO是一个无需人工反馈即可自动优化大型语言模型（LLM）提示的框架。它实现了迭代优化方法，显著提高了提示的有效性，同时保持超低成本。

SPO架构

来源

SPO工作流程

SPO系统遵循特定的优化工作流程。

来源

使用SPO

SPO可用于三种不同的方式：

Python脚本:

命令行界面:

Streamlit Web界面:

来源

SPO配置

SPO系统需要配置：

模板文件 - 包含以下内容的YAML文件：
- 初始提示
- 优化要求
- 字数限制（可选）
- 用于测试的问答对

模板示例（MyTemplate.yaml）

SPO相比传统提示工程具有显著优势：

超低成本（每次任务优化约0.15美元）
零监督（无需人工反馈）
通用适应性（支持封闭式和开放式任务）
自进化（通过LLM作为裁判机制进行自动优化）

来源

2. Git仓库管理

MetaGPT包含一个全面的Git仓库管理系统，支持自动化的仓库操作、文件管理和问题解决。

架构概述

来源

核心组件

GitRepository类

GitRepository类是Git操作的主要接口。

关键操作包括

仓库初始化和克隆
分支和文件管理
提交、推送和归档操作
创建拉取请求和问题
Gitignore过滤

来源

FileRepository类

FileRepository类管理Git仓库内的文件操作。

关键操作包括

读写文件
跟踪文件依赖
使用文档对象
处理已更改的文件

来源

用于问题解决的SWEAgent

SWEAgent角色专门负责解决GitHub问题。

SWEAgent

使用浏览器工具分析GitHub问题
进行有针对性的代码修改
创建带有修复程序（fix）的拉取请求
实施标准化的工作流程来解决问题

来源

API工具接口

MetaGPT为Git操作提供工具API，任何代理或角色都可以使用。

这些工具提供了一个简化的接口，用于：

创建拉取请求
创建问题
管理凭证

来源

3. 机器学习工程

MetaGPT包含用于机器学习工程任务的实用程序，特别是在代码执行、存储和管理方面。

代码保存和管理

代码管理函数：

save_code_file：以各种格式（Python、JSON、Jupyter Notebook）保存代码。
save_history：保存执行历史和计划数据。
load_history：检索保存的历史数据。

系统支持多种文件格式：

Python（.py）文件，用于可执行代码。
JSON（.json）文件，用于结构化数据存储。
Jupyter Notebook（.ipynb）文件，用于交互式会话。

来源

文档和仓库管理

文档和仓库管理能力支持项目文件的结构化组织。

文档管理组件

PrepareDocuments：用于初始化项目文件夹和需求文档的动作。
文档存储和组织能力
文件依赖跟踪

来源

实际用法示例

使用 Git 仓库管理系统

使用 SPO 系统

使用 SWEAgent 解决问题

来源