在 GitHub 查看原文

Lesson 08 练习 — AutoGen 对比

练习重点在"理解对话驱动范式"和"补全辩论模式坑"。

练习 1：对比两种 GroupChat（关键概念，5 分钟）

运行 code.py 的实验 1 和实验 2，对比：

1. RoundRobinGroupChat 里，发言顺序是固定的还是动态的？（提示：按 participants 列表顺序轮流）
2. SelectorGroupChat 里，谁决定下一个发言者？（提示：LLM 看对话历史选）
3. 这两种分别对应 LangGraph 的什么？（提示：RoundRobin=流水线，Selector=supervisor）

练习 2：理解终止条件（核心机制，5 分钟）

AutoGen 的 termination_condition 是可组合的。回答：

1. TextMentionTermination("CONCLUDE") 是什么意思？（提示：消息里出现 CONCLUDE 就停）
2. MaxMessageTermination(6) 是什么意思？（提示：达到 6 条消息就停）
3. 两个条件用 | 连接表示什么？（提示：满足任一即停，类似"或"逻辑）

实验：把 MaxMessageTermination(6) 改成 MaxMessageTermission(10)，看辩论会不会更长？

💡 这种"可组合的终止条件"是 AutoGen 的优雅设计——比手写 if 判断灵活得多。

练习 3：踩 model_info 白名单坑（实践，5 分钟）

这道题让你亲手踩坑。把 create_model_client() 里的 model_info={...} 整段注释掉：

client = OpenAIChatCompletionClient(
    model="glm-4-flash",
    api_key=...,
    base_url=...,
    # model_info={...}  ← 注释掉这行
)

跑一下，看报什么错？

预期：ValueError: model_info is required when model name is not a valid OpenAI model

⚠️ 这是 AutoGen 接国产模型的头号拦路虎。踩过一次就记住了。验证后记得改回来。

练习 4：加一个"裁判"Agent（10 分钟）

在辩论模式里加第三个 Agent：judge（裁判）。在正方反方辩论几轮后，裁判总结双方观点并裁决。

设计： - 用 RoundRobinGroupChat，participants = [proponent, opponent, judge] - 裁判的 system_prompt：你看完正反方发言后，客观总结并给出裁决 - 终止条件：裁判发言后结束（提示：可以设 MaxMessageTermination(7)，第 7 条是裁判）

观察：三个 Agent 轮流发言时，顺序是怎样的？（正→反→裁→正→反→裁...）

练习 5：对比三框架实现"研究系统"（认知题，10 分钟）

同一个任务（查 RAG + 分析 + 写报告），三个框架各怎么写？填写对比：

没有标准答案，重点是练"看到需求能选对框架"的判断力。

思考题（不写代码）

1. AutoGen 的 GroupChat 和 L02 的 swarm 有什么本质区别？ 提示：swarm 是 handoff 交接（接力），GroupChat 是所有人看到所有对话（圆桌）。

2. 为什么 AutoGen 用异步（async/await）而 LangGraph/CrewAI 用同步？ 提示：AutoGen 设计目标是高并发（成百上千 Agent），异步擅长 I/O 密集场景。

3. 三个框架如果只能学一个，你选哪个？为什么？ 提示：看你的目标——生产系统选 LangGraph，快速验证选 CrewAI，对话/辩论选 AutoGen。架构师都要懂。

完成标志

• [ ] 理解 RoundRobin（轮流）vs Selector（LLM 选）两种 GroupChat
• [ ] 踩过 model_info 白名单坑（非 OpenAI 模型必须传）
• [ ] 知道 AutoGen 是异步架构（async/await）
• [ ] 补全了 Agent L08 exercise 的辩论模式坑 🎯
• [ ] 能说清三框架的范式差异和选型依据

下一课 L09 毕业项目——综合 L01-L08 全部技术，搭一个简历级多智能体研究系统。