当前位置：首页 > news >正文

【保姆级教程】AutoGen多智能体协作实战：用DeepSeek打造你的AI金融分析团队

news 2026/3/27 1:36:32

🤖 既然一个 AI 干不完活，那就雇一个“团队”吧：AutoGen 多智能体实战指南

关键词：AutoGen, Multi-Agent, 多智能体, AI 团队, 自动化工作流

大家好，我是飞哥！👋

上周我们讲了LlamaIndex，它帮我们解决了“数据看不懂”的问题。
但这周，我们面临一个新的挑战：任务太复杂。

试想一下，如果你让 ChatGPT 帮你“写一份特斯拉的行业研报，要有最新新闻，还要有股价趋势图，最后生成 PDF”。
大概率它会回复你一段文字，但既没有实时数据，也没有图表，更别提 PDF 了。

为什么？🤯
因为这不仅是一个“问答任务”，而是一个“复合工作流”。它需要：搜索、阅读、写代码、画图、排版。
让一个 AI 模型（比如 GPT-4）同时扮演这么多角色，它很容易“精神分裂”。

💡解决方案：
如果一个实习生干不好，那就组建一个专家团队！
这就是Multi-Agent (多智能体)的核心思想。今天我们要用的神器，就是微软开源的AutoGen。

1. 为什么你需要 AutoGen？(Why)

生动类比🍎：

Single Agent (单体 AI)=全能实习生🎓。什么都懂一点，但让他独立负责一个大项目，容易顾此失彼，做着做着就跑题了。
Multi-Agent (AutoGen)=正规军编制💂‍♂️。
- 有项目经理 (Planner)📅 负责拆解任务。
- 有情报员 (Data Fetcher)🕵️‍♂️ 专门负责上网搜资料。
- 有绘图师 (Plotter)🎨 专门负责画股价走势图。
- 有分析师 (Analyst)🧠 专门负责深度分析。
- 有主笔 (Writer)✍️ 专门负责写文章。
- 有校对员 (Proofreader)🧐 负责检查质量。
- 还有用户代理 (UserProxy)👮‍♂️ —— 也就是你（或者你的替身），负责最后拍板和执行代码。

核心价值：
AutoGen 允许你定义这些角色，并且让它们在一个“微信群”里自动对话。你只需要发一句指令，它们就会自己开会、吵架（讨论）、干活，直到把任务完成。

2. 核心概念提炼 (Skeleton) 🦴

2.1 两个基本原子

在 AutoGen 的世界里，一切皆 Agent，但主要分为两类：

UserProxyAgent (人类代理)🧑‍💼：
- 身份：代表“雇主”或“执行者”。
- 特技：能执行代码！当 AI 写出 Python 代码时，它负责运行并反馈结果。
- 比喻：带枪的监工。
AssistantAgent (AI 助理)🤖：
- 身份：基于 LLM 的智能体。
- 特技：能思考、能写代码。
- 比喻：聪明的打工人。

2.2 聊天模式 (GroupChat) 💬

如果不加控制，5 个 AI 在群里可能会乱说话。
所以我们需要GroupChatManager（群管理员）。
它就像“主持人”，根据当前的聊天记录，决定下一个该谁发言。

3. 准备工作：搭建舞台 🛠️

在开始指挥你的 AI 军团之前，我们需要先安装必要的“军需物资”。

3.1 安装依赖

打开终端，运行以下命令：

pipinstall"pyautogen<0.4"duckduckgo-search matplotlib pandas python-dotenv

依赖包大起底：

pyautogen：微软 AutoGen 的核心库，我们的“指挥部”，负责管理所有 Agent。
duckduckgo-search：免费的搜索引擎工具，不需要 API Key 就能让 AI 上网，是 Data Fetcher 的“千里眼”。
matplotlib：Python 最经典的绘图库，Plotter 用它来画股价走势图。
pandas：数据处理神器，相当于“Python 版的 Excel”。我们用它来读取和清洗下载下来的股票数据。

3.2 配置“军费” (DeepSeek Config)

AutoGen 支持 OpenAI 格式的 API。飞哥强烈推荐使用DeepSeek (深度求索)，不仅代码能力强悍，最重要的是国内直连、无需魔法，获取 Key 非常方便！

我们需要定义一个llm_config字典，它就像是发给 AI 的“聘书”。

importos# 💡 飞哥提示：生产环境请使用环境变量，不要把 Key 硬编码在代码里！# export DEEPSEEK_API_KEY="sk-..."llm_config={"model":"deepseek-chat",# DeepSeek V3 (或使用 deepseek-coder)"api_key":os.environ.get("DEEPSEEK_API_KEY"),"base_url":"https://api.deepseek.com",# 关键：指向 DeepSeek 的服务器}

4. 实战项目：全自动“行业研报生成团队” 🚀

我们要搭建一个包含 4 个 AI 的精英团队，完成一份关于“特斯拉股价”的研报。

4.1 团队架构图

4.2 核心代码拆解

第一步：给 Data Fetcher 装备“武器” (联网搜索) 🔎

AI 自己是没法上网的，我们需要给它注册一个工具 (Tool)。

# 定义搜索函数defsearch_web(query:str)->str:fromduckduckgo_searchimportDDGSwithDDGS()asddgs:results=list(ddgs.text(query,max_results=5))returnstr(results)

第二步：定义 Plotter (绘图专家) 🖌️

为了保证图表能稳定生成，我们定义一个专门的generate_chart函数，并交给 Plotter 使用。

defgenerate_chart(ticker:str)->str:# ... (省略具体绘图代码，使用 matplotlib) ...return"Chart saved to coding/chart.png"plotter=AssistantAgent(name="Plotter",system_message="你是绘图师。调用 generate_chart 画图。",llm_config=llm_config,)

第三步：定义 Analyst (大脑) 🧠

Analyst 不再需要自己写代码画图，而是专注于分析。

analyst=AssistantAgent(name="Analyst",system_message="""你是资深金融分析师。 根据 Data_Fetcher 提供的新闻和 Plotter 提供的图表数据摘要，进行深度分析。 """,llm_config=llm_config,)

第四步：组建群聊并开工 🗣️

# 拉群groupchat=GroupChat(agents=[user_proxy,planner,fetcher,plotter,analyst,writer,proofreader],messages=[],max_round=20)

4.3 完整代码 (Copy & Run) 📋

为了方便大家直接上手，我把上面的碎片代码整合成了一个完整的、可运行的脚本。
注意：这里配置了 DeepSeek API，并使用了 AutoGen最新版 (v0.2+)推荐的工具注册写法。

复制保存为autogen_team.py，确保配置好环境变量DEEPSEEK_API_KEY后运行：

importosimportpandasaspdimportmatplotlib.pyplotaspltfromautogenimportAssistantAgent,UserProxyAgent,GroupChat,GroupChatManager,register_functionfromduckduckgo_searchimportDDGS# 1. 配置 LLM (DeepSeek)llm_config={"model":"deepseek-chat","api_key":os.environ.get("DEEPSEEK_API_KEY"),"base_url":"https://api.deepseek.com",}# 2. 定义工具函数defsearch_web(query:str)->str:"""搜索互联网获取最新信息"""print(f"\n🔍 [搜索中]{query}...")withDDGS()asddgs:results=list(ddgs.text(query,max_results=5))returnstr(results)defgenerate_chart(ticker:str)->str:"""从 Stooq 获取数据并绘图"""print(f"\n🎨 [绘图]{ticker}...")try:# 使用 Stooq 数据源 (无需 Key)url=f"https://stooq.com/q/d/l/?s={ticker}.US&i=d"df=pd.read_csv(url,parse_dates=["Date"],index_col="Date")df=df.sort_index().tail(10)# 取最近10天# 确保工作目录存在work_dir="coding"os.makedirs(work_dir,exist_ok=True)save_path=os.path.join(work_dir,"chart.png")plt.figure(figsize=(10,6))plt.plot(df.index,df["Close"],marker="o")plt.title(f"{ticker}Stock Price")plt.grid(True)plt.savefig(save_path)plt.close()returnf"Chart saved to{save_path}"exceptExceptionase:returnf"Error:{e}"# 3. 定义 Agentsuser_proxy=UserProxyAgent(name="User_Proxy",human_input_mode="NEVER",max_consecutive_auto_reply=10,is_termination_msg=lambdax:x.get("content","").rstrip().endswith("TERMINATE"),code_execution_config={"work_dir":"coding","use_docker":False},)planner=AssistantAgent(name="Planner",system_message="你是任务规划师。指挥 Fetcher 搜新闻 -> Plotter 画图 -> Analyst 分析 -> Writer 写报告 -> Proofreader 校对。校对通过后回复 TERMINATE。",llm_config=llm_config,)fetcher=AssistantAgent(name="Data_Fetcher",system_message="你是情报员。调用 search_web 搜新闻。",llm_config=llm_config,)plotter=AssistantAgent(name="Plotter",system_message="你是绘图师。调用 generate_chart 画图。",llm_config=llm_config,)analyst=AssistantAgent(name="Analyst",system_message="你是分析师。根据新闻和图表数据进行深度分析。",llm_config=llm_config,)writer=AssistantAgent(name="Writer",system_message="你是主笔。撰写 Markdown 报告，必须插入图片 ![Chart](chart.png)。",llm_config=llm_config,)proofreader=AssistantAgent(name="Proofreader",system_message="你是校对员。检查 Markdown 格式和图片引用。合格回复“校对通过”。",llm_config=llm_config,)# 4. 注册工具register_function(search_web,caller=fetcher,executor=user_proxy,name="search_web",description="Search news")register_function(generate_chart,caller=plotter,executor=user_proxy,name="generate_chart",description="Draw chart")# 5. 组建团队groupchat=GroupChat(agents=[user_proxy,planner,fetcher,plotter,analyst,writer,proofreader],messages=[],max_round=20)manager=GroupChatManager(groupchat=groupchat,llm_config=llm_config)# 6. 开始任务print("🚀 AI 团队已就位...")user_proxy.initiate_chat(manager,message="分析 Tesla (TSLA) 最近一周的股价趋势和新闻，生成图表和中文简报。")

4.4 运行效果预览 🎬

当你运行这段代码时，你会看到控制台里发生神奇的一幕：

Planner跳出来说：“我们要分三步走：先搜新闻，再画图，最后写报告。”
Data Fetcher说：“收到，我调用search_web搜到了以下 5 条新闻…”
Plotter说：“正在调用generate_chart生成图表。”
- (UserProxy 默默在后台运行了代码，生成了 chart.png)
Analyst说：“新闻和图表我都有了，我认为…”
Writer说：“根据分析，我写好了这篇报告…”
Proofreader说：“校对通过，报告完美。”
UserProxy：任务结束。

5. 避坑指南 (Best Practices) ⚠️

模型智商很重要：
- AutoGen 极度依赖模型的指令遵循能力。
- DeepSeek V3在代码生成和逻辑推理上表现优异，而且网络访问稳定，不用担心连不上 OpenAI 的问题。
- 尽量避免使用小参数模型（如 7B 以下），否则 Agent 经常会忘记调用工具。
无限循环死局：
- 有时候两个 Agent 会互相客气：“你先请”，“不不你先请”。
- 解决：在 System Message 里明确规定“终止条件”，比如“任务完成后回复 TERMINATE”。
Docker 保护：
- 因为 UserProxy 会真正在你的电脑上执行代码（包括删除文件！）。
- 生产环境务必开启use_docker: True，把它们关在沙箱里。