Skip to content

Commit d4e8147

Browse files
authored
Update README.md
1 parent 319c3de commit d4e8147

File tree

1 file changed

+40
-1
lines changed

1 file changed

+40
-1
lines changed

README.md

Lines changed: 40 additions & 1 deletion
Original file line numberDiff line numberDiff line change
@@ -12,7 +12,10 @@ https://youtu.be/4v8ldONTecY
1212
**(第四期)[2025.1.21]AutoGen v0.4稳定版本AutoGen-Extensions 外部服务或功能库集成功能测试**
1313
主要内容:与LangChain提供的Tools进行功能集成测试
1414
https://www.bilibili.com/video/BV1B2waeUEbY/
15-
https://youtu.be/g7X8OgkBZzA
15+
https://youtu.be/g7X8OgkBZzA
16+
**(第五期)[2025.1.23]AutoGen v0.4稳定版本发布后第一次重大更新发布v0.4.3,Extensions官方扩展库新增功能测试**
17+
主要内容:为大家介绍两个重大更新:使用缓存系统提高大模型的响应效率、集成调用GraphRAG
18+
1619

1720
## 1.2 AutoGen介绍
1821
AutoGen是微软发布的一个用于构建AI Agent系统和应用程序的开源框架
@@ -257,6 +260,42 @@ duckduckgo文档:https://duckduckgo.com/duckduckgo-help-pages/settings/params/
257260
打开命令行终端,运行命令安装依赖 pip install -qU duckduckgo-search langchain-community
258261
运行脚本 python DuckDuckGoSearch.py
259262

263+
## 4.5 AutoGen V0.4.3重大更新
264+
首先,一次运行如下命令,升级相关的依赖包到最新版本V0.4.3(2025-01-23)
265+
pip install --upgrade autogen-core
266+
pip install --upgrade autogen-agentchat
267+
pip install --upgrade autogen-ext
268+
**(1)使用缓存系统提高大模型的响应效率**
269+
使用缓存系统(DiskCacheStore和ChatCompletionCache)来避免重复的API请求,提高大模型的响应效率
270+
第一次请求会从大模型获取响应并将其缓存
271+
第二次请求相同消息时,将直接返回缓存的响应,而不再调用大模型的API接口
272+
使用缓存的目的是提高性能,减少重复请求,提高响应速度,尤其在对相同输入频繁请求时非常有效
273+
相关测试代码在Extensions/Cache目录下,运行相关的代码进行测试前,需安装相关依赖 pip install diskcache
274+
python CacheTeam.py
275+
**(2)集成调用GraphRAG**
276+
GraphRAG相关视频:
277+
https://www.bilibili.com/video/BV1AADaYfE2T/
278+
https://youtu.be/7WFMd8U8C7E
279+
**(a)构建GraphRAG索引**
280+
首先构建GraphRAG,安装相关依赖,最新版本1.2.0版本
281+
pip install graphrag==1.2.0
282+
创建项目并初始化
283+
cd Extensions/GraphRAG
284+
mkdir -p ./ragtest/input
285+
cd ragtest
286+
graphrag init --root ./
287+
修改.env和settings.yaml文件内容,请参考提供的文件内容进行调整
288+
接下来,优化提示词(可以不优化)
289+
python -m graphrag prompt-tune --config ./settings.yaml --root ./ --language Chinese --output ./prompts
290+
最后运行如下命令,进行索引构建
291+
graphrag index --root ./
292+
索引构建完成后,进行检索测试
293+
graphrag query --root ./ --method local --query "张三九的基本信息?"
294+
graphrag query --root ./ --method global --query "给张三九一些健康建议?"
295+
**(b)AutoGen集成调用**
296+
运行 python GraphRAGTeam.py 进行测试
297+
298+
260299

261300

262301

0 commit comments

Comments
 (0)