如何使用MetaGPT：多智能体工作流实践指南
如果您曾经希望您的AI能够像一个精心协调的产品团队一样运作——产品经理、架构师、工程师、测试人员——并行地朝着一个共同的目标努力，那么MetaGPT就是实现这一目标的框架。在本实用、以解决方案为导向的指南中，我们将逐步介绍如何使用MetaGPT，从安装到构建多智能体工作流，以及最佳实践、故障排除技巧和您可以立即使用的实际示例。
到最后，您将能够安装MetaGPT，启动一个多智能体管道，编写更好的提示，使用工具和LLM扩展它，并快速交付有用的东西。
什么是MetaGPT（以及为什么它很重要）
MetaGPT是一个多智能体框架，旨在协调专业化的智能体——如产品经理、架构师、程序员和测试人员——以便他们能够协作完成复杂的任务。MetaGPT不是让一个单一的AI完成所有事情，而是构建一个基于角色的智能体系统，具有共享的上下文、记忆和任务路由。结果是：项目从想法到可交付成果的转变减少了手动干预，增加了并行性。
- 多智能体角色：定义明确的职责（例如，PRD起草、系统设计、编码）。
- 共享工件：智能体传递结构化的输出（PRD → 设计 → 代码 → 测试）。
- 可插拔的LLM：根据成本、速度和隐私选择模型（本地或云）。
要获得一个好的概述和“为什么它有效”的解释，请参阅独立的指南，这些指南分解了MetaGPT如何协调团队和代码生成。对于一个具体的工作流（使用本地模型进行产品需求自动化），IBM的教程展示了MetaGPT与Ollama和DeepSeek模型结合使用，以端到端地生成PRD。
快速开始：在15分钟内安装MetaGPT
这是一个可以在macOS、Linux和WSL上运行的干净设置。
1) 前提条件
- Node.js/npm（如果您计划进行实验，则用于某些工具和集成）
- 可选：Docker（用于可重现的环境）和Ollama（用于本地LLM）
</a19><a20>当您给出结构化的、具有角色意识的指令时，MetaGPT会发挥作用。像经理为四个专家写一份简报一样思考。
python --version
pip --version
node -v
npm -v
</a21><a22>- 目标：一句话说明最终目标。
2) 安装MetaGPT
- 约束：明确的边界（堆栈、延迟、隐私、预算）。
- 成功指标：什么是“好”。
- - 可交付成果：明确的工件（PRD、图表、存储库布局、测试）。
- </a27><a38>- 从小处开始，然后扩展：在大型项目之前，先在最小的规范上验证管道。
示例 .env (根据您的提供商进行调整):
OPENAI_API_KEY=sk-...
MODEL_NAME=gpt-4o-mini
# 或者本地
LLM_ENDPOINT=
MODEL_NAME=deepseek-coder
您的第一个多智能体工作流
让我们构建一个最小的“想法 → PRD → 设计 → 代码”管道。您可以将其调整为Web应用程序、脚本或数据工具。
概念流程
- 产品经理智能体：阐明目标、用户和成功指标；编写PRD。
- QA/审查员智能体：审查代码，编写测试，标记问题。
示例骨架（Python）
- 一个角色，一项任务：避免重叠的职责，以减少混淆。
