告别代码!ChatDev 2.0:零代码多智能体平台,让AI为你开发一切

🌈

HeyAI人工智能 每天 1 分钟 · 掌握最实用的 AI 技巧与工具

1️⃣ 项目概览

ChatDev 2.0（代号 DevAll）是一个革命性的零代码多智能体编排平台。它从最初专注于软件开发的虚拟公司，进化成为一个通用平台，旨在让用户无需编写任何代码，即可通过简单配置快速构建和执行定制化的多智能体系统。

核心价值：它解决了传统多智能体系统开发门槛高、流程复杂的问题，让开发者、数据分析师、研究人员等能够轻松编排智能体，完成从数据可视化、3D建模、游戏开发到深度研究等一系列复杂任务。

关键功能：

• 零代码配置：通过YAML文件或可视化界面定义智能体、工作流和任务。
• 多场景覆盖：内置丰富的工作流模板，涵盖数据分析、3D生成、游戏开发等。
• 双模交互：提供直观的Web控制台和轻量级Python SDK，满足不同使用需求。

2️⃣ 核心能力与技术亮点

⚡ 零代码编排：用户只需通过拖拽节点、配置参数（如智能体角色、工具、记忆模块）即可构建复杂的工作流，无需理解底层代码。

🧠 模块化架构：项目采用清晰的分层设计：

• server/：基于FastAPI的后端服务。
• runtime/：管理智能体抽象和工具执行的核心运行时。
• workflow/：处理多智能体协作逻辑。
• frontend/：基于Vue 3 + Vite构建的可视化Web控制台。
• functions/：用于扩展自定义Python工具。

🔐 灵活扩展与集成：

• 环境变量注入：支持在YAML配置中使用 ${VAR} 占位符引用环境变量，便于密钥管理。
• 多模型支持：通过配置 API_KEY 和 BASE_URL 轻松接入不同的LLM服务提供商。
• Python SDK：提供 run_workflow 函数，支持以编程方式执行工作流，便于自动化集成。

3️⃣ 快速上手指南

📋 环境准备

• 操作系统：macOS / Linux / WSL / Windows
• Python：3.12+
• Node.js：18+
• 包管理器：uv^[1]

📦 安装步骤

1. 克隆仓库：

   git clone https://github.com/OpenBMB/ChatDev.git
   cd ChatDev
   

2. 安装后端依赖（使用uv管理Python环境）：

   uv sync
   

3. 安装前端依赖：

   cd frontend && npm install
   

⚡️ 启动应用

1. 启动后端服务（在项目根目录执行）：

   uv run python server_main.py --port 6400 --reload
   

2. 启动前端开发服务器：

   cd frontend
   VITE_API_BASE_URL=http://localhost:6400 npm run dev
   

3. 访问Web控制台：打开浏览器，访问 http://localhost:5173。

🔑 基础配置

在项目根目录创建 .env 文件，配置你的LLM密钥：

API_KEY=sk-your-api-key-here
BASE_URL=https://api.openai.com/v1  # 根据你的LLM提供商调整

4️⃣ 示例 / 使用场景

平台内置了多个开箱即用的工作流模板，位于 yaml_instance/ 目录下。

📈 数据可视化

模板文件：data_visualization_basic.yaml 输入：上传一个包含房地产交易数据的CSV文件。 提示词："为我的大型房地产交易数据集创建4-6个高质量的PNG图表。" 输出：系统自动调用数据分析智能体，生成并保存一系列统计图表（如折线图、柱状图、散点图）。

🛠️ 3D生成（需额外安装Blender）

模板文件：blender_3d_builder_simple.yaml 提示词："请搭建一棵圣诞树。" 输出：智能体协作生成Blender脚本，控制Blender软件自动建模、渲染，最终输出3D模型或效果图。

🎮 游戏开发

模板文件：GameDev_v1.yaml 提示词："请帮我设计和开发一个坦克大战游戏。" 输出：模拟虚拟软件公司流程，智能体扮演CEO、CTO、程序员等角色，经过设计、编码、测试等环节，最终生成可运行的游戏代码。

📚 深度研究

模板文件：deep_research_v1.yaml 提示词："研究LLM-based智能体强化学习领域的最新进展。" 输出：智能体进行网络搜索、文献阅读、信息整合，最终生成一份结构化的研究报告。

使用Python SDK执行工作流

对于自动化场景，可以使用轻量级SDK：

from runtime.sdk import run_workflow

# 执行工作流并获取结果
result = run_workflow(
    yaml_file="yaml_instance/demo.yaml",
    task_prompt="用一句话总结附件中的文档。",
    attachments=["/path/to/document.pdf"],
    variables={"API_KEY": "sk-xxxx"} # 可覆盖.env中的变量
)

if result.final_message:
    print(f"输出: {result.final_message.text_content()}")

5️⃣ 项目地址与文档

https://github.com/OpenBMB/ChatDev

🌈

关注公众号：HeyAI人工智能 每天更新 AI 实用干货

引用链接