DeepSeek接入chatDev实现 智能编程

已于 2025-03-06 14:08:12 修改
阅读量324 收藏 4
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
02-19 875
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
【多智能体框架Autogen\chatDev\Crewai比较】
一休
12-12 458
它结合了Autogen的对话代理的灵活性和ChatDev的结构化流程方法，但没有僵化性。CrewAI的流程设计动态且适应性强，能够无缝融入开发和生产工作流中。：ChatDev引入了流程的概念到AI代理领域，但其实现相当僵化。ChatDev的自定义能力有限，并。：虽然Autogen在创建能够协作的对话代理方面表现不错，但它。，这可能会阻碍在实际应用中的可扩展性和灵活性。
【AI ChatDev】你当投资人，让AI帮你在几分钟内完成程序开发
从零开始学AI的博客
04-06 2159
ChatDev是一家虚拟软件公司，通过各种智能代理扮演不同的角色，包括首席执行官、首席产品官、首席技术官、程序员、评审员、测试员、艺术设计师。本文介绍了ChatDev的安装、使用效果和高级技能，以及如何分享您的软件
ChatDev源码解读笔记
qq_43598193的博客
03-23 1980
生成用户手册，是一个简单阶段，最大循环次数为1，不需要反思，CTO<->CPO。CPO直接返回md代码。这里CEO向CTO提出要求设计提出的“我想要一个五子棋的游戏，我希望界面能够好看一些，功能更够全一些，比如可以实现倒计时”的项目，并且明确指出了”如果python可以完成这个任务，直接回复python“，所以CTO直接得出结论，使用。对于我提出的“我想要一个五子棋的游戏，我希望界面能够好看一些，功能更够全一些，比如可以实现倒计时”，DemandAnalysis Phrase结束之后给出的结论是。
什么是ChatDEV？
法号钦尘的博客
04-18 1694
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。
【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
chatDev
weixin_56102932的博客
05-24 535
https://github.com/OpenBMB/ChatDev
[论文笔记] ChatDev：Communicative Agents for Software Development
qq_43598193的博客
03-21 2751
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 1027
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。
探秘ChatDev：新一代对话式AI开发平台
gitblog_00033的博客
03-19 692
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...
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
CI/CD 的智能化变革：DevOps 正在被重构，而不是被替代
最新发布
在信息的熵增中，记录结构、重建秩序。 技术思想者的笔记，系统构建者的注释。
03-31 676
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 2359
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。
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
01-22 873
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 1939
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 2614
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 1096
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 2583
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。
deepseek接入小程序实现智能化
02-26
### 集成DeepSeek至微信小程序以实现智能化功能 #### 设计思路与技术选型 为了使微信小程序能够利用DeepSeek提供的强大能力来增强用户体验并提供更智能的服务，在架构设计和技术选型上需做出合理规划。考虑到DeepSeek主要应用于自然语言处理等领域，因此重点在于如何通过API接口让前端应用有效获取后台服务的支持。 #### API接入准备 首先需要确保拥有合法访问DeepSeek API 的权限以及相应的密钥等认证信息[^1]。接着按照官方文档说明完成必要的配置工作，比如设置请求头中的Authorization字段用于身份验证。 #### 实现具体交互逻辑 ##### 发送查询请求 当用户输入问题或指令后，客户端会将其封装成特定格式的数据包发送给服务器端。这里可以通过wx.request()方法发起HTTP POST 请求： ```javascript // 小程序中向DeepSeek发送POST请求示例 wx.request({ url: 'https://api.deepseek.com/v1/query', // DeepSeek API 地址 method: "POST", header: { 'content-type': 'application/json', 'authorization': 'Bearer YOUR_ACCESS_TOKEN' // 替换成实际token }, data: JSON.stringify({query:"你想咨询的内容"}), success(res){ console.log('成功收到回复:',res.data); } }) ``` ##### 处理返回数据 接收到响应之后，解析JSON对象从中提取有用的信息展示给最终使用者查看。这一步骤可能涉及到对原始文本做进一步加工转换使其更加直观易懂。 #### 用户界面优化 为了让整个过程更为流畅友好，除了基本的文字交流外还可以加入语音识别、图像上传等功能模块以便适应不同场景下的需求变化。同时也要注意保护好用户的隐私安全，遵循相关法律法规的要求。
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