DeepSeek接入chatDev实现 智能编程

已于 2025-03-06 14:08:12 修改
阅读量400 收藏 5
点赞数 7
分类专栏： 大语言模型 文章标签： 自然语言处理 人工智能 deepseek
于 2025-03-06 14:04:50 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/littleyy666/article/details/146064017
版权

chatDev是什么？

ChatDev 是一个基于大型语言模型（如 GPT）的虚拟软件开发团队模拟器。它通过模拟软件开发团队中的不同角色（如程序员、测试员、设计师等），利用 AI 驱动的角色之间的对话和协作，来完成软件开发任务。ChatDev 的目标是探索如何通过 AI 模拟团队协作，自动生成代码、测试和文档等。
在本文中用到的代码地址是：下载地址。

  1. 下载源码
  2. 创建conda环境
conda create -n ChatDev_conda_env python=3.9 -y
conda activate ChatDev_conda_env
  1. 安装第三方库
pip3 install -r requirements.txt

代码修改

  1. 创建camel/model_config.py 大语言模型配置参数
    主要了平台名称、网址、api类型、模型名称和token限制
    格式如下：
MODELS = {
    "openai":{
        "base_url":"https://api.openai.com/v1",
        "api_types":["openai"],
        "models":[
            {
                "name":"gpt-3.5-turbo",
                "num_tokens":4096
            },
            {
                "name": "gpt-4",
                "num_tokens": 8192
            },
        ]
    },
    "deepseek":{
        "base_url":"https://api.deepseek.com",
        "api_types":["openai"],
        "models":[
            {
                "name":"deepseek-chat",
                "num_tokens":8192
            },
            {
                "name": "deepseek-reasoner",
                "num_tokens": 8192
            },
        ]
    },
    "qwen":{
        "base_url":"https://api.dashscope.aliyuncs.com/compatible-mode/v1",
        "api_types":["openai", "self"],
        "models":[
            {
                "name":"qwen1.5-110-chat",
                "num_tokens":8192
            },
            {
                "name": "qwen-plus",
                "num_tokens": 8192
            },
        ]
    }
}
  1. 创建.env 文件，配置OPENAI_API_KEY
    在deepseel 官网下 https://platform.deepseek.com/usage进行充值，并生成APIKey 进行复制。
    在这里插入图片描述
    这里还有接口文档可供学习。
    将复制的key粘贴到.env中
    在这里插入图片描述
    key一般以sk-开头
  2. run.py 导入OPENAI_API_KEY
from dotenv import load_dotenv
load_dotenv()

若环境中不存在dotenv ，进行pip安装

  1. run.py参数修改
    1.1 增加api_type参数 ，表示api的类型，例如deepseek是支持openai类型的
    1.2 修改model参数，默认为deepseek-chat
    1.3 修改platform参数，默认改为deepseek平台
    1.4 修改任务描述task，创建一个贪吃蛇游戏
    1.5 修改任务名称
    在这里插入图片描述
  2. run.py 初始化模型
    在这里插入图片描述
    可以删除不用的一部分代码，然后将modeltype 改成自己想要的类型
config_path, config_phase_path, config_role_path = get_config(args.config)
from camel.utils import get_model_info
base_url,num_tokens,api_type =  get_model_info(args.platform,args.model,args.api_type)
model_type = ModelType(args.platform,name=args.model,base_url=base_url,num_tokens=num_tokens,api_type=api_type)
chat_chain = ChatChain(config_path=config_path,
                       config_phase_path=config_phase_path,
                       config_role_path=config_role_path,
                       task_prompt=args.task,
                       project_name=args.name,
                       org_name=args.org,
                       model_type=model_type,
                       code_path=args.path)
  1. 创建ModelType类型（typing.py)
    可以将原先类型，改成如下形式：
class ModelType(object):
    def __init__(self, platform,name,base_url,num_tokens,api_type):
        self.platform = platform
        self.name = name
        self.base_url = base_url
        self.num_tokens = num_tokens
        self.api_type = api_type

原先的：
在这里插入图片描述

  1. 在utils中创建get_model_info（）方法
def get_model_info(platform, model_name, api_type):
    if platform not in MODELS.keys():
        raise ValueError("platform 不存在")
    if api_type not in MODELS[platform]["api_types"]:
        raise ValueError("api_type 不存在")
    base_url = MODELS[platform]["base_url"]
    num_tokens = None
    for model_info in MODELS[platform]["models"]:
        if model_info["name"] == model_name:
            num_tokens = model_info["num_tokens"]
            break
    if not num_tokens:
        model_list = [model_info["name"] for model_info in MODELS[platform]["model"]]
        raise ValueError("num_tokens error shoule choice from {}".format(model_list))
    return base_url, num_tokens, api_type
  1. 因为ModelType类型被修改，所以run.py运行时所设计的文件中的ModelType修改被修改
    例如：camel / agents / chat_agent.py 中
    在这里插入图片描述

这里不在需要判断 改成：self.model: ModelType = model 即可
为了能够跑通代码，可以全局搜索一下ModelType的使用位置，进行修改

  1. 修改模型创建函数（model_backend.py）

将ModelFactory修改成如下形式

class ModelFactory:
    r"""Factory of backend models.

    Raises:
        ValueError: in case the provided model type is unknown.
    """

    @staticmethod
    def create(model_type: ModelType, model_config_dict: Dict) -> ModelBackend:
        if model_type.api_type == "stub":
            return StubModel(model_type,model_config_dict)
        if model_type.api_type == "openai":
            return OpenAIModel(model_type,model_config_dict)
        if model_type.api_type == "qwen" and model_type.api_type == "self":
            return DataScopeAIModel
        else:
            raise ValueError("model api backend create error, model_platform:{}, model_name:{}, "
                             "base_url:{},api_type:{}".format(model_type.platform, model_type.name,model_type.base_url,model_type.api_type))
        # log_visualize("Model Type: {}".format(model_type))
        inst = model_class(model_type, model_config_dict)
        return inst

将OpenAIModel修改成如下形式：

class OpenAIModel(ModelBackend):
    r"""OpenAI API in a unified ModelBackend interface."""

    def __init__(self, model_type: ModelType, model_config_dict: Dict) -> None:
        super().__init__()
        self.model_type = model_type
        self.model_config_dict = model_config_dict

    def run(self, *args, **kwargs):
        string = "\n".join([message["content"] for message in kwargs["messages"]])
        try: # 对于Token的计算
            encoding = tiktoken.encoding_for_model(self.model_type.name)
            num_prompt_tokens = len(encoding.encode(string))
            gap_between_send_receive = 15 * len(kwargs["messages"])
            num_prompt_tokens += gap_between_send_receive
        except Exception as err:
            num_prompt_tokens = 0
        # Experimental, add base_url

        client = openai.OpenAI(
            api_key=OPENAI_API_KEY,
            base_url=self.model_type.base_url,
        )

        num_max_token = self.model_type.num_tokens
        num_max_completion_tokens = num_max_token - num_prompt_tokens
        self.model_config_dict['max_tokens'] = num_max_completion_tokens

        print("args:", args, "kwargs:", kwargs, "model:", self.model_type.name,
              "model_config_dict:", self.model_config_dict)
        response = client.chat.completions.create(*args, **kwargs, model=self.model_type.name,
                                                  **self.model_config_dict)

        cost = prompt_cost(
            self.model_type.name,
            num_prompt_tokens=response.usage.prompt_tokens,
            num_completion_tokens=response.usage.completion_tokens
        )

        log_visualize(
            "**[OpenAI_Usage_Info Receive]**\nprompt_tokens: {}\ncompletion_tokens: {}\ntotal_tokens: {}\ncost: ${:.6f}\n".format(
                response.usage.prompt_tokens, response.usage.completion_tokens,
                response.usage.total_tokens, cost))
        if not isinstance(response, ChatCompletion):
            raise RuntimeError("Unexpected return from OpenAI API")
        return response

创建DataScopeAIModel类

class DataScopeAIModel(ModelBackend):
    def __init__(self, model_type: ModelType, model_config_dict: Dict) -> None:
        super().__init__()
        self.model_type = model_type
        self.model_config_dict = model_config_dict
        try:
            import datascope
        except Exception as err :
            raise ValueError("datascope 引入异常")
        self.client = datascope.Generation()
    def run(self, *args, **kwargs):
        string = "\n".join([message["content"] for message in kwargs["messages"]])
        try:
            encoding = tiktoken.encoding_for_model(self.model_type.name)
            num_prompt_tokens = len(encoding.encode(string))
            gap_between_send_receive = 15 * len(kwargs["messages"])
            num_prompt_tokens += gap_between_send_receive
        except Exception as err:
            num_prompt_tokens = 0
        # Experimental, add base_url
        num_max_token = self.model_type.num_tokens
        num_max_completion_tokens = num_max_token - num_prompt_tokens
        self.model_config_dict['max_tokens'] = num_max_completion_tokens

        print("args:", args, "kwargs:", kwargs, "model:", self.model_type.name,
              "model_config_dict:", self.model_config_dict)
        api_key = os.environ.get("DASHSCOPE_API_KEY")
        if not api_key:
            api_key = OPENAI_API_KEY
        response = self.client.call(self.model_type.name,api_key = api_key,**kwargs)

        cost = prompt_cost(
            self.model_type.name,
            num_prompt_tokens=response.usage.prompt_tokens,
            num_completion_tokens=response.usage.completion_tokens
        )

        log_visualize(
            "**[OpenAI_Usage_Info Receive]**\nprompt_tokens: {}\ncompletion_tokens: {}\ntotal_tokens: {}\ncost: ${:.6f}\n".format(
                response.usage.prompt_tokens, response.usage.completion_tokens,
                response.usage.total_tokens, cost))
        if not isinstance(response, ChatCompletion):
            raise RuntimeError("Unexpected return from OpenAI API")
        return response

下面这些无用的代码都可以删除
在这里插入图片描述

  1. 运行run.py文件
    此时会爆出一些错误，根据错误提示修改，直到无误即可

  2. 运行成功后，会在WareHouse文件夹下生成对应文件
    在这里插入图片描述
    进入对应文件夹，运行main.py文件即可运行程序
    在这里插入图片描述
    在这里插入图片描述

ChatDev: 革命性的虚拟软件公司，重塑代码创造的未来
mtl1994的博客
02-19 885
在数字化时代的浪潮中，ChatDev站在了技术革新的前沿，开创了一个虚拟软件公司的全新概念。通过集成先进的大型语言模型（LLM）和模拟多智能体协作，ChatDev打破了传统软件开发的局限，提供了一个易于使用、高度可定制且可扩展的开发框架。从需求分析到产品交付，ChatDev内部的智能体角色——包括CEO、CTO、程序员和测试员——以前所未有的协同方式工作，展现了群体智能在软件创造中的巨大潜力。无论是研究人员寻求理解AI在软件开发中的应用，还是开发者探索自动化编码的新途径，ChatDev都开辟了一片无限可能的
chatDev
weixin_56102932的博客
05-24 542
https://github.com/OpenBMB/ChatDev
[论文笔记] ChatDev：Communicative Agents for Software Development
qq_43598193的博客
03-21 2871
Communicative Agents for Software Development（大模型驱动的全流程自动化软件开发框架）作者希望提出的自然语言到软件框架的潜力可以照亮将llm集成到软件开发中的新可能性，并标志着自然语言处理、软件工程和集体智能领域新前沿的曙光。
ChatDev：开创智能开发新纪元，人工智能助力开发者的最佳伙伴
gs80140的专栏
02-18 1069
例如，开发者可以说：“帮我写一个 Python 函数，计算一个列表中所有数字的平均值”，ChatDev 会根据这个描述生成相应的代码，极大地降低了编程的门槛。无论是语法错误、逻辑错误，还是潜在的性能瓶颈，ChatDev 都能提供具体的错误信息，并提供修复建议，甚至自动修复常见的错误。因此，在处理一些非常复杂的开发任务时，人工干预仍然不可避免。此外，随着 AI 模型的持续优化，ChatDev 的自我学习能力将逐步提升，使得它能够根据不同开发者的需求，定制化提供服务，进一步推动软件开发的智能化转型。
什么是ChatDEV？
法号钦尘的博客
04-18 1748
ChatDEV是清华大学、北京邮电大学和布朗大学的研究者提出的一种创新的软件开发范式，该范式利用大型语言模型（LLM）在整个软件开发过程中实现了自然语言通信的简化和统一。ChatDEV采用现代机器学习技术，结合丰富的实践案例，让开发者可以轻松创建个性化的智能聊天机器人，适用于各种场景，如客服助手、虚拟教练、教育辅导等。ChatDEV也可以被视为一个革命性的虚拟软件公司，它通过多智能体协作的方式来实现软件开发的各个阶段，包括设计、编码、测试和文档。
探秘ChatDev：新一代对话式AI开发平台
gitblog_00033的博客
03-19 711
探秘ChatDev：新一代对话式AI开发平台 ChatDev该项目利用由大型语言模型（LLM）驱动的多智能体协作技术，以自然语言概念为输入，实现定制化软件的开发过程。项目地址:https://gitcode.com/gh_mirrors/ch/ChatDev 项目简介 是一个由OpenBMB团队开源的对话式AI开发平台，旨在为开发者提供一个集模型训练、交互设计与实时评估于一体的高效工具。这个项目...
虚拟人 deepseek
03-28
另外值得注意的是，如果希望加速项目研发周期或者提高代码质量，则可以通过 ChatDev 工具接入 DeepSeek 实现自动化编程辅助功能[^4]。这有助于降低手动编写复杂算法的工作量，并促进团队协作效率。 #### 应用案例...
CI/CD 的智能化变革：DevOps 正在被重构，而不是被替代
最新发布
努力分享一些人工智能相关的知识干货！
03-31 723
缩写全称中文含义CI持续集成：代码合并后立即构建 & 测试CD持续交付 / 部署：通过自动化方式将构建结果部署到可用环境中“让代码从提交到上线整个流程实现自动化、稳定化、标准化。有些提交只改了文档、不影响构建，仍然触发部署浪费资源有些修改影响了核心模块，应要求更严流程过去 10 年，CI/CD 把“自动构建 + 自动部署”带到了每一个开发团队；Agent 会帮你部署、测试、回滚Prompt 会替你写脚本、选策略流水线将不再是死板的 YAML，而是“动态进化的智能体”
职场番：ChatDev
2401_82469710的博客
01-29 2371
产品涉及环节的具体指令如下，需求分析阶段的任务指令使用了few-shot，给出不同的产品形态例如图片，文档，应用等实现方式，并明确了对话的两个智能体的讨论主题，以及终止讨论的条件，即。而在这篇论文self-Reflection其实更像是会议总结模块，当多轮对话完成，但是并未出现对话停止符号，这时可以触发总结模块，把前面的多轮对话作为上文，来总结对话得到的结论，用于后续步骤的进行，如下。编程环节最大的难点就是如何避免模型幻觉，最大正度保证代码的正确性，以及在多轮对话中如何进行复杂长代码的编写和修改。
【创意坊】​ChatDev震撼登场！开源狂潮席卷​​，释放无限可能！
热门推荐
朝花夕拾
12-09 1万+
ChatDev如雷霆横扫，开源消息犹如科技天空中崭新的璀璨新星，各路技术豪杰如狂风骤雨般奔袭向这开放的源代码殿堂。在这场创新的盛宴中，ChatDev的源代码开放不仅是技术的放肆释放，更是开发者思想的激情碰撞。初学者如黎明初醒，代码匠人如层层叠叠的云朵逐渐密布，而技术巨擘如风起云涌，开源领域的领军者犹如雷霆万钧，引领技术潮流势不可挡。在这个充满创造力的博文中，我们将奉上一系列备受瞩目的ChatDev相关博客，这些建构的思想犹如点燃思维的烈火，引领着读者深
chat-dev:该项目是关于实时聊天的
04-30
关于该项目： 这个项目是专门为我学习websockets而设计的。 房间和事件的概念已被充分理解。 技术： 节点; 纯JS。 项目图片： 网络套接字： 在网络世界中，我们并不总是进行实时通信，但是随着网络套接字的出现，今天我们有了这种可能性。 在这个项目中，您将学习如何在服务器和客户端之间进行信息交换，还将会了解socket.io和发射房间是如何工作的。 发射空间： 特别是在这个项目中，我们与房间一起工作。 想象一下，这是一个有一定家庭的房子，它可以接待来访者，来访者可以在任何需要的时候离开，而在其中传递的信息交流在其他房子中是听不到的。 src / util /消息： 在这里，我们格式化将在应用程序中成为标准的信息。 发送信息时，此模式将显示在屏幕上。 FormatMessage函数接收两个参数，这些参数将从客户端发送到传递该参数的服务器，这些参数是：codName，te
AI Agent: AI的下一个风口 ChatDev：重塑软件开发的AI群体智能协作框架
AI智能涌现深度研究
01-22 887
AI Agent, ChatDev, 群体智能, 软件开发, AI协作, 代码生成, 代码审查, 软件测试 1. 背景介绍 软件开发行业正处于一个快速变化的时代。随着技术进步和用户需求的不断变化，软件开发的复杂性和难度也在不断增加。传统的软件开发模式已经难以满足现代软件开发的需求。
Devchat让代码爽飞
linengeir的专栏
07-13 1948
devchat的安装和使用
【大语言模型系列】利用ChatDev框架自动开发一个游戏软件（完整教程）
数据杂坛
11-10 2639
大语言模型实战-利用ChatDev框架自动开发一个游戏软件（附完整教程）
【大语言模型系列】用ChatDev框架实现爬虫任务的完整过程
数据杂坛
11-24 1117
Python大语言模型实战：记录一次用ChatDev框架实现爬虫任务的完整过程
清华开源ChatGPT自动编程ChatDev项目结构和关键代码解析
大模型大数据攻城狮的专栏
09-18 2594
用户只需要提供一个简单的想法，例如“我想要一个五子棋游戏”，就可以让ChatDev的智能体们协同工作，生成一个完整的五子棋软件，包括界面、逻辑、功能和文档。项目概述：ChatDev是一个使用自然语言描述的想法来创建定制软件的项目，它通过多智能体协作的方式来实现软件开发的各个阶段，包括设计、编码、测试和文档。README.md：这个文件是项目的主要介绍文件，包含了项目的概述、新闻、功能、快速入门、使用方法、常见问题等信息。run.py：这个文件是项目的主要运行文件，用于启动ChatDev并接收用户输入。
ChatDev 开源项目教程
gitblog_00029的博客
08-08 1099
ChatDev 开源项目教程 项目地址:https://gitcode.com/gh_mirrors/ch/ChatDev 项目介绍 ChatDev 是一个虚拟软件公司，通过各种智能代理（包括首席执行官、首席产品官、首席技术官、程序员、审查员、测试员和艺术设计师）来运营。这些代理形成了一个多代理组织结构，共同致力于“通过编程革新数字世界”。ChatDev 的主要目标是提供一个易于使用、高度可定制和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

weightOneMillion

感谢未来的亿万富翁捧个钱场~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值