用 AutoGen Studio 构建字幕转文章的智能体团队

在这期 2024 年 1 月的教程中，我构建一个 AutoGen Studio 团队：接收 YouTube 网址、获取字幕，再生成博客文章和推文串。我之前没有构建过这个具体团队，因此演示包含错误和排查过程。

我之前升级时遇到数据库错误，旧安装无法正常工作。我通过卸载旧包并删除 site-packages 中残留的目录解决了当次问题；这是历史示例，并不能证明所有安装都应采用这种修复方式。

我创建使用 Python 3.11 的 Conda 环境，激活后通过 pip 安装 AutoGen Studio，然后在本地端口启动界面。第一个端口被占用时，我换用了另一个。

Build 页面包括模型、技能、智能体和工作流。我选择一个 GPT-4 预览模型，并说明不同智能体可以使用不同模型。这里的界面和具体模型可用性以 2024 年演示为准。

我创建 API 密钥并配置模型。尽管密钥已填入模型设置，演示稍后仍遇到缺少密钥的错误；凭据应保密，并提供给需要使用它的进程。

第一个技能需要从 YouTube 网址获取字幕。我查看一个已有的网址获取技能作为模板，然后让 ChatGPT 编写类似的 Python 函数，其中包括提取视频 ID。

第一次生成的方案使用 YouTube Data API，需要 Google API 密钥。我要求另一种方法，得到使用 youtube-transcript-api 库的代码，然后把生成的函数添加为新技能。

我预计 AutoGen Studio 会在需要时安装这个库，但此时还不知道生成的函数是否能用。后续运行展示了安装步骤，并成功取得测试视频的字幕。

我创建两个智能体：字幕获取器和内容写作者。前者获得获取字幕的技能和指令；后者负责将文本转换成博客文章和推文串。

我把字幕智能体的人类输入模式设为 never、选择模型，并明确附加技能。内容写作者使用同一个模型，但不需要这项获取技能。

我创建一个群聊工作流，包含用户代理、字幕获取器和内容写作者。工作流说明字幕要交给写作者并生成两种格式，由群聊助手协调。

我给协调者写了一段详细的系统消息。我不确定是否需要这么详细，但还是明确说明预期步骤，因为这个版本没有明显的方法强制执行固定委派顺序。

我遇到一个界面问题：替换默认智能体后，在其他字段输入内容会让选择恢复原状。我的绕过方法是先填写其他字段，最后替换默认智能体，再检查保存后的群组。

在 Playground 中，我创建会话、选择新工作流，并提交自己的一条 YouTube 网址。请求要求团队获取字幕、移除时间戳，并生成博客文章和推文串。

第一次运行提示缺少 API 密钥。虽然我已经在模型配置中填写密钥，进程仍要求通过环境变量提供；我重启并重试。

第一次尝试把环境变量设置在另一个终端标签页，因此运行中的进程看不到它。我在启动 AutoGen Studio 的终端中设置变量并重启，测试随后继续进行。

终端显示了智能体之间的对话和依赖安装步骤。字幕获取器取得测试视频的文本；我还发现界面没有像终端一样显示实时的往返过程。

界面显示了智能体的计划、生成的脚本和字幕，却没有显示最终博客文章或推文串。我在终端找到了建议文章和推文串，但视频中没有解决界面缺少最终输出的问题。

这次演示展示了如何组合一个技能、两个专业智能体和群聊工作流，并测试和排查结果。内容出现在终端，因此结果只是界面部分成功，而非完整可用的端到端界面。