Self Evolve 开始阅读
Project report / GitHub evidence

MetaGPT: 多智能体框架

这是可索引项目报告证据页：它保留 MetaGPT: 多智能体框架 的源材料入口、机制线索和限制提醒；正文仍需 reader/editor 与 academic public-copy review 后才能当作最终结论引用。

报告索引 项目索引 Markdown source

MetaGPT: 多智能体框架

基本信息

字段内容
GitHubhttps://github.com/FoundationAgents/MetaGPT (原 geekan/MetaGPT)
Star50k+
技术栈Python 3.9-3.11, OpenAI/Azure/Ollama LLM API, Node.js, pnpm
许可证MIT
安装pip install --upgrade metagpt
产品MGX (MetaGPT X)

项目简介

MetaGPT 是高可见度的多智能体协作框架之一。核心理念：Code = SOP(Team) — 将软件公司的标准操作流程（SOP）应用于 LLM 团队。

公开 README 展示了从一句话需求生成软件项目材料的流程线索（如用户故事、竞品分析、需求文档、数据结构、API、代码等）；实际完整性需要按示例、版本和本地运行复查。

内部角色：产品经理 / 架构师 / 项目经理 / 工程师，按照软件公司的 SOP 协作。

目录结构

MetaGPT/
├── metagpt/
│   ├── roles/                 # 角色定义（PM, Architect, Engineer 等）
│   ├── actions/               # Action 基类与具体动作
│   ├── schema.py              # 核心数据结构（Message, Document 等）
│   ├── memory/                # 记忆系统
│   │   ├── memory.py          # 基础记忆（消息列表 + 索引）
│   │   ├── brain_memory.py    # 大脑记忆（长期/短期）
│   │   ├── longterm_memory.py # 长期记忆（持久化）
│   │   ├── memory_storage.py  # 记忆存储后端
│   │   └── role_zero_memory.py
│   ├── learn/                 # 学习模块
│   │   ├── skill_loader.py    # 技能加载器
│   │   ├── text_to_embedding.py  # 文本嵌入
│   │   └── google_search.py   # 搜索工具
│   ├── ext/                   # 扩展模块
│   │   └── sela/              # SELA: 树搜索增强 AutoML
│   │       ├── search/        # MCTS 搜索实现
│   │       ├── runner/        # 实验运行器
│   │       ├── evaluation/    # 评估
│   │       └── insights/      # 洞察分析
│   ├── provider/              # LLM 提供者抽象
│   ├── prompts/               # Prompt 模板
│   ├── tools/                 # 工具集
│   └── utils/                 # 工具函数
├── config/                    # 配置示例
├── docs/                      # 文档
├── examples/                  # 示例（含 SPO, AOT 论文代码）
├── tests/                     # 测试
└── setup.py

核心模块分析

1. 多 Agent 协作模式

MetaGPT 的核心是 Role-Action-Message 模式：

Role (角色)
  ├── 接收 Message (消息)
  ├── 执行 Action (动作)
  └── 发布 Message (消息)

SOP 流程：

用户需求 → ProductManager(写PRD) → Architect(设计架构) → ProjectManager(分解任务) → Engineer(写代码)

每个 Role 有：

2. 进化/自我改进相关

SELA（Self-Evolving Learning with MCTS）：

AFlow（Automating Agentic Workflow Generation）：

记忆与学习系统：

3. Prompt 工程模式

MetaGPT 使用结构化的 Prompt 管理：

# 角色定义中内嵌 prompt
class ProductManager(Role):
    name: str = "Alice"
    profile: str = "Product Manager"
    goal: str = "Create products that users love"

    async def _act(self) -> Message:
        # 使用 prompt 模板生成 PRD
        prompt = self.prompt_template.format(requirement=msg.content)
        prd = await self._llm.aask(prompt)

Prompt 模板 存储在 prompts/ 目录，按角色和任务分类。

4. 评估框架

技术亮点

  1. SOP(Team) 哲学：将企业流程应用于 AI Agent 团队
  2. 完整记忆系统：多层记忆架构支持经验积累
  3. SELA + AFlow：树搜索增强的 AutoML + 自动工作流生成
  4. MGX 产品化：mgx.dev 是相关产品化入口；Product Hunt 等传播信号需要按日期和页面来源复查
  5. ICLR 2025 Oral: AFlow 论文获得顶会认可
  6. 丰富生态: 50k+ stars，活跃社区

与 Self-Evolve 关联

维度MetaGPT 贡献
多 AgentSOP 多 Agent 框架样本，角色-动作-消息模式参考
自我改进SELA (MCTS+LLM) 和 AFlow（自动工作流生成）是自我进化的实践
记忆多层记忆系统设计可参考
学习skill_loader + 技能积累机制
启示”SOP(Team) = Code” 的理念可扩展到 Agent 系统的自我进化 SOP

参考资料

GitNexus 深度架构分析