YOHO AI

标签： MetaGPT

  • MetaGPT 62K+ Stars：首个AI软件公司多智能体框架，自然语言编程的未来

    MetaGPT Logo

    📦 项目简介

    MetaGPT 是首个AI软件公司多智能体框架，通过模拟软件公司的完整工作流程（产品经理、架构师、工程师等角色协作），仅需一行自然语言需求即可自动生成完整的软件项目（包括需求文档、设计文档、代码、测试用例等）。

    62K+
    GitHub Stars

    MIT
    开源许可

    10+
    智能体角色

    ⚙️ 安装要求和过程

    环境要求

    • Python: 3.9 ≤ 版本 < 3.12（推荐 Python 3.9）
    • Node.js: 需要安装 Node.js 和 pnpm
    • LLM API: OpenAI / Azure / Ollama / Groq 等（二选一或配置多个）

    快速安装

    方式一：稳定版安装（推荐）
    pip install --upgrade metagpt

    方式二：最新版安装
    pip install --upgrade git+https://github.com/geekan/MetaGPT.git

    方式三：Docker 安装
    docker run -it metagpt/metagpt:latest

    配置 LLM API

    # 创建配置文件
metagpt --init-config

# 编辑 ~/.metagpt/config.yml，填入你的 API Key
# 例如 OpenAI:
# llm:
#   api_type: openai
#   api_key: "sk-xxx"
#   model: "gpt-4"

    🎯 核心功能

    1. 全流程软件公司模拟 🏢

    内置产品、架构、项目管理、工程等多角色智能体，严格遵循软件行业 SOP（标准作业程序），从需求输入到最终代码产出全流程自动化。每个角色都有其专业知识和职责，共同协作完成复杂软件项目。

    2. 自然语言编程 💬

    仅需输入一行自然语言需求（如”设计一个2048游戏”），MetaGPT 即可自动生成完整软件项目，包括用户故事、竞争分析、需求文档、API文档、数据结构、可执行代码、测试用例等全套产出。

    3. 数据解释器（Data Interpreter）📊

    内置专门的数据分析角色，支持数据分析、代码生成、可视化绘图等任务。例如可直接对 sklearn 鸢尾花数据集做分析并生成图表，大幅简化数据科学工作流程。

    4. 多模型支持 🔄

    兼容 OpenAI、Azure、Ollama、Groq 等多种大模型，可通过配置文件灵活切换。支持本地模型部署，保护数据隐私的同时降低API成本。

    5. 可扩展的多智能体协作框架 🤝

    支持自定义多智能体协作流程，适配不同复杂任务场景。开发者可以基于 MetaGPT 框架设计专属智能体，定义其角色、目标和协作方式，构建个性化的 AI 团队。

    MetaGPT 软件公司架构

    MetaGPT 模拟的软件公司协作流程

    💡 典型使用场景

    场景一：软件项目快速开发 🚀

    案例：输入”设计一个支持多人在线的2048游戏”，MetaGPT 自动生成：

    • 产品需求文档（PRD）
    • 系统设计文档
    • 完整的可执行代码（包含前端界面和游戏逻辑）
    • 单元测试代码

    原本需要一个软件团队几天甚至几周的工作，现在几分钟内即可完成原型开发。

    场景二：数据分析与可视化 📈

    案例：使用 Data Interpreter 角色分析销售数据：

    from metagpt.roles import DataInterpreter
di = DataInterpreter()
await di.run("分析sales.csv，生成月度销售趋势图和TOP10客户报表")

    MetaGPT 自动完成数据清洗、分析、可视化全流程，并生成专业的数据报告。

    场景三：多智能体辩论辅助决策 🤔

    案例：模拟多角色观点碰撞，辅助技术选型决策：

    • 架构师角色：推荐微服务架构
    • 产品经理角色：关注开发速度和成本
    • 运维角色：强调系统稳定性和监控
    • MetaGPT 综合各方观点，输出平衡的技术方案建议

    🌟 推荐理由

    MetaGPT 是我见过的最接近”AI软件公司”愿景的开源项目。它将软件工程的最佳实践编码到多智能体协作框架中，让AI不再是简单的代码补全工具，而是能够理解需求、设计架构、编写代码、测试质量的”虚拟软件团队”。

    相比单智能体框架（如AutoGPT），MetaGPT 的角色专业化设计更接近真实软件团队运作方式，产出的代码质量和文档完整度明显更高。特别是它对软件工程 SOP 的尊重（生成需求文档、设计文档、代码、测试的全流程），让我看到了AI辅助软件开发的真正潜力。

    如果你是一位产品经理或创业者，MetaGPT 可以帮你快速验证想法；如果你是一位开发者，MetaGPT 可以作为你的”AI结对编程伙伴”，甚至是一个完整的”AI开发团队”。

    📥 下载地址

    🌐 官方网站

    docs.deepwisdom.ai

    📦 PyPI 安装

    pip install metagpt

    🐳 Docker 镜像

    metagpt/metagpt:latest


    本文由 AI 自动生成

  • MetaGPT：59.4k Stars！多智能体协作框架，让AI组成软件公司

    MetaGPT：59.4k Stars！多智能体协作框架，让AI组成软件公司

    配图

    MetaGPT Logo

    MetaGPT – 多智能体协作框架

    项目简介

    MetaGPT 是一款创新的多智能体协作框架，核心理念为 Code = SOP(Team)。通过模拟真实软件公司的组织架构（产品经理、架构师、工程师、测试员等角色）与标准化作业流程（SOP），实现复杂任务的自动化协作处理。

    只需要输入一行自然语言需求，MetaGPT 就能自动生成产品需求文档（PRD）、技术设计方案、任务清单以及完整的代码实现。

    安装要求和过程

    环境要求

    • ✅ Python 版本：3.9+
    • ✅ 支持系统：macOS 13.x / Windows 11 / Ubuntu 22.04
    • ✅ 依赖管理：pip 或 Docker

    快速安装步骤

    方式一：稳定版安装（推荐）

    pip install metagpt

    方式二：最新开发版

    pip install git+https://github.com/geekan/MetaGPT

    方式三：Docker 部署

    docker pull metagpt/metagpt:latest
docker run --rm metagpt/metagpt:latest metagpt "Write a cli snake game"

    可选功能扩展

    功能模块 安装命令 用途说明
    RAG 检索增强 pip install 'metagpt[rag]' 结合向量存储的RAG系统
    OCR 文字识别 pip install 'metagpt[ocr]' 识别图像中的文本
    搜索引擎集成 pip install 'metagpt[search-ddg]' DuckDuckGo 搜索功能

    核心功能

    🏢 模拟软件公司架构

    预设产品经理、架构师、工程师、测试员等角色，每个角色拥有独立的 LLM 实例和专业化 Prompt，协同完成软件开发生命周期全流程。

    📋 SOP 标准化流程

    将工业标准化作业程序（SOP）嵌入智能体协作流程，确保输出质量可控、可预期。每个角色按既定规范输出交付物。

    📄 自动化文档生成

    自动生成产品需求文档（PRD）、技术设计文档、API 接口文档、测试用例等完整软件工程文档。

    💻 完整代码实现

    基于需求自动编写、审查、迭代代码，支持多种编程语言，输出可直接运行的完整代码仓库。

    📊 智能图表生成

    集成 Mermaid 图表引擎，自动生成流程图、时序图、类图、架构图等多种技术图表（支持 PNG/SVG/PDF 格式）。

    典型使用场景

    场景一：快速原型开发

    需求：创业者有一个 APP 想法，需要快速验证可行性并产出原型。

    使用方式：执行 metagpt "开发一个任务管理APP，支持多人协作"，自动输出完整的需求分析、UI 设计建议、技术选型和示例代码。

    场景二：竞品分析与调研

    需求：产品经理需要快速了解某个领域的主流产品功能特性。

    使用方式：MetaGPT 自动联网搜索、分析竞品、生成对比表格和策略建议，输出标准化竞品分析报告。

    场景三：教学与学习辅助

    需求：计算机专业学生学习软件工程流程，希望看到完整项目从需求到代码的实例。

    使用方式：输入课程设计题目，MetaGPT 展示标准软件工程全流程输出，帮助学生理解各阶段交付物的规范与要求。

    推荐理由

    为什么值得关注？

    💡 理念先进：将「标准化作业程序 SOP」与「多智能体协作」结合，让 AI 不再是单点工具，而是可协作的团队。

    🚀 落地性强：不同于纯学术的多智能体研究，MetaGPT 直接面向软件工程场景，输出的是真正可用的文档和代码。

    📚 社区活跃：GitHub 59.4k+ Stars，持续迭代更新，文档完善，有详细的中文教程和示例项目。

    🧩 扩展灵活：支持自定义角色、自定义 SOP、接入不同的 LLM（OpenAI/Claude/国内大模型均可）。

    个人认为，MetaGPT 最值得称道的地方在于它把「软件工程规范」变成了 AI 可执行的流程。对于需要快速验证想法、或希望了解标准软件研发流程的同学来说，这是一个不可多得的教学与实战工具。

    下载地址

    🔗 GitHub 仓库：https://github.com/FoundationAgents/MetaGPT

    🌐 官方文档：https://docs.deepwisdom.ai/

    💬 Discord 社区：https://discord.gg/veseZ39udK

    📦 PyPI 安装：pip install metagpt

    项目持续更新中，欢迎 Star 支持开发者 🩵

  • MetaGPT：68.2k Stars！SOP驱动的多智能体协作框架，让AI组成一家软件公司

    MetaGPT：68.2k Stars！SOP驱动的多智能体协作框架，让AI组成一家软件公司





    🤖 MetaGPT：68.2k Stars！SOP驱动的多智能体协作框架，让AI组成一家软件公司

    MetaGPT Logo

    📋 项目简介

    MetaGPT 是一个多智能体协作框架，核心理念是 Code = SOP(Team)——把标准化作业流程（SOP）具象化，应用于由大语言模型（LLM）构成的团队。它模拟真实软件公司的组织架构与工作流程，让多个AI智能体扮演产品经理、架构师、工程师、测试员等角色，协同完成复杂任务。

    简单来说：你给它一句话需求，它能自动输出用户故事、竞品分析、需求文档、数据结构设计、API文档、相关代码文件等完整交付物——就像一家全自动化的软件公司。

    🌐 官方资源：
    • GitHub：https://github.com/FoundationAgents/MetaGPT
    • 文档：https://docs.deepwisdom.ai/
    • Stars：68.2k+（持续增长中）

    ⚙️ 安装要求和过程

    环境要求

    # Python 3.9+ 必需
# 建议使用 Conda 或 venv 创建独立环境
# 需要有效的大模型API密钥（OpenAI / Azure / 其他支持LLM）

    快速安装步骤

    # 方法一：pip安装（稳定版）
pip install metagpt

# 方法二：从源码安装（最新功能）
git clone https://github.com/geekan/MetaGPT.git
cd MetaGPT
pip install -e .

# 配置API密钥
# 复制配置模板
cp config/config2.yaml config/key.yaml
# 编辑 key.yaml，填入你的 LLM API 密钥

    验证安装

    # 运行示例：构建一款Flappy Bird游戏
metagpt "Design a Flappy Bird game"

    ✨ 核心功能

    1. 需求到交付的全流程自动化

    输入一句话的老板需求，MetaGPT 自动完成：需求分析 → 竞品调研 → 用户故事 → 架构设计 → 代码实现 → 测试用例。全程无需人工干预，每个环节都有对应角色的智能体负责。

    2. SOP驱动的多角色协作

    这是 MetaGPT 的独门绝技。SOP（Standardized Operating Procedures） 被编码到提示词序列中，让每个智能体都具备类人的领域专业知识和标准化的协作流程。产品经理写PRD、架构师出设计方案、工程师写代码——各司其职，有序协作。

    3. 可扩展的多智能体框架

    不局限于软件公司场景。你可以基于 MetaGPT 框架自定义搭建各类多智能体应用：数据分析、内容创作、科研助手、游戏NPC……框架层提供通信、记忆、工具调用等基础能力，你只需定义角色和SOP。

    4. 丰富的内置示例场景

    官方提供了大量可直接运行的示例，覆盖：单智能体（数据分析、OCR识别、邮件回复、图像去背景）和多智能体（辩论、狼人杀、Minecraft自动化、斯坦福小镇模拟）两大类别。

    🚀 典型使用场景

    场景一：老板的一句话，变成可运行的软件

    你对着 MetaGPT 说：”帮我做一个类似Trello的任务管理工具，支持拖拽排序和实时协作。” —— 几分钟后，你将获得：需求文档、技术架构图、数据库设计、API接口文档、前端代码、后端代码、单元测试用例。当然，代码质量取决于底层模型的能力，但框架保证了”软件公司流水线”的完整运转。

    场景二：多智能体科研/创作助手

    MetaGPT 的多智能体机制不仅限于写代码。你可以设计一个”科研助手”团队：一个智能体负责文献检索，一个负责提炼核心观点，一个负责撰写综述，一个负责格式校对。相比单一AI对话，这种方式更接近于真实的团队协作，产出质量通常更高。

    场景三：教学/研究多智能体机制

    MetaGPT 本身就是多智能体研究的优秀案例。学术界用它来验证 SOP 编码、角色分工、通信协议等设计理念。如果你在研究或学习多智能体系统，MetaGPT 的源码和论文都是极佳的参考资料。

    💡 推荐理由

    🎯 为什么值得关注？

    1. 理念先进，不只是”多个ChatGPT并联”
    很多多智能体框架只是把多次LLM调用串起来，MetaGPT 的核心贡献在于把 SOP 编码进 prompt 序列，让智能体的协作有章可循，而不是自由发挥。这是从”对话式AI”走向”流程化AI”的关键一步。

    2. 软件公司隐喻非常直观
    用”产品经理 → 架构师 → 工程师 → 测试”的流程来组织智能体，降低了理解门槛，也方便了提示词工程的设计。即使是AI小白，也能理解每个角色在干什么。

    3. 与 CrewAI 形成有趣对比
    我们之前介绍过 CrewAI（轻量高性能），MetaGPT 则更偏”重流程、重规范”，两者定位不同，可以互补使用。

    4. 成本可控
    官方给出参考：用 GPT-4 生成包含分析和设计内容的样例约需 $0.2，生成完整项目约需 $2.0。对于自动化生成项目原型来说，这个成本是可以接受的。

    📥 下载地址

    GitHub github.com/FoundationAgents/MetaGPT
    官方文档 docs.deepwisdom.ai
    PyPI pip install metagpt
    论文 MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework

    📌 这是「GitHub热门AI开源项目」第26期，由 WorkBuddy AI 自动采集撰写。欢迎关注 admin.hiyoho.com 获取更多AI开源项目深度介绍。