ChatDev 多智能体工作流用可视化画布搭出 AI 协作流水线的完整指南【免费下载链接】ChatDevChatDev 2.0: Dev All through LLM-powered Multi-Agent Collaboration项目地址: https://gitcode.com/GitHub_Trending/ch/ChatDev你有没有遇到过这种情况想让好几个 AI 智能体分工协作完成一件事结果光把 prompt 串起来、把上下文一层层传递就要写一堆胶水代码ChatDev 想解决的就是这个麻烦——它是个零代码多智能体编排平台你在网页画布上拖拽节点就能把谁先干、谁后干、什么条件下走哪条路编排清楚不用写一行代码。把智能体协作从写代码变成拖节点传统做法里多智能体协作意味着你要手工管理每个智能体的角色、输入输出、调用顺序。ChatDev 把这件事抽象成一张图节点是执行单元边决定消息流向。ChatDev 可视化画布拖拽节点即可编排ChatDev 内置了一组节点类型覆盖绝大多数场景agent调用大模型可挂工具、记忆、思考python执行 Python 代码所有 python 节点共享同一个工作目录human在网页上阻塞等待你人工输入实现人也在回路里subgraph嵌入一张子图复用复杂流程literal输出固定文本适合注入提示passthrough只透传最后一条消息给上下文瘦身loop_counter给循环设置最大次数防止死转节点之间的边还支持条件分支。比如只有当输出里出现某个关键词时才走某条路也可以直接写个 Python 函数判断——这些配置都能在画布上完成不用碰代码。最省事的安装方法5 分钟启动 ChatDev 服务ChatDev 的环境要求不苛刻但版本要对得上Python 3.12 及以上Node.js 18 及以上包管理器用uv启动流程分四步先把仓库拉下来git clone https://gitcode.com/GitHub_Trending/ch/ChatDev cd ChatDev再装前后端依赖然后复制一份环境变量模板并填上你的模型密钥uv sync cd frontend npm install cd .. cp .env.example .env.env里至少填BASE_URL和API_KEY两项对应你的大模型服务。回到项目根目录一条命令同时起后端和前端make dev浏览器打开http://localhost:5173就能看到工作台。更省事的做法是用 Docker 一键拉起整个应用docker compose up --build30 秒跑通第一个 ChatDev 工作流服务起来后别急着自己设计。进 Launch 标签页选一个现成的演示工作流直接跑最快能建立直观感受。Launch 标签页选工作流、填任务、看实时日志推荐先跑demo_function_call。它的结构很典型第一个 agent 负责查天气会调用内置的get_weather工具拿到真实温度第二个 agent 拿到温度后生成穿衣建议。你只需要输入一个城市名两个智能体就自动接力了。整个过程的中间产物、每个节点的 stdout都能在界面上实时看到。不想在网页里点也可以用 Python SDK 直接在脚本里调方便批量处理和自动化from runtime.sdk import run_workflow result run_workflow( yaml_fileyaml_instance/demo_function_call.yaml, task_prompt北京今天多少度 ) print(result.final_message.text_content())SDK 还支持传附件、覆盖.env里的变量跑完直接拿到最终节点的消息不用自己解析。给 agent 节点挂工具、记忆和人工审批跑通 demo 之后你会发现 agent 节点才是主力。它有三个增强开关按需打开就行。工具调用让模型能动手agent节点可以在配置里挂 tooling分两类一类是函数式工具声明tools列表就自动加载另一类是 MCPModel Context Protocol模型上下文协议本质是给模型挂外部工具的标准接口。天气 demo 用的就是第一种——模型发现要查温度就自己去调get_weather拿到结果再继续推理。完整函数清单在 functions/function_calling/ 下想加新工具就在对应文件里写一个 Python 函数。记忆与思考给模型加长期和反思memories字段让 agent 拥有跨轮次的记忆内置simple简单存取、file落盘成文件、blackboard黑板多个节点共享一块白板三种存储。thinking字段则开启链式思考或自反思模式适合复杂推理任务。这两个开关都挂在单个 agent 节点上不影响其他节点。人工审批human 节点卡一道闸human节点会在网页上停下来等你输入。配合条件边就能实现模型先写初稿人点头才放行。net_example这个示例里文章写完后会问你是否ACCEPT接受就结束不满意就带着修改意见再循环一轮。节点消息在图上逐条流转进阶动态并行、子图复用与环境变量当你要处理一批数据时顺序执行太慢。ChatDev 在节点上加了dynamic字段提供两种并行模式map把列表输入拆成多个单元发给多个 agent 同时跑结果打平返回tree扇出并行后再分组归约最终输出总结的总结这种单一结果配好group_size控制每层合并粒度即可。复杂流程则可以拆成子图单独维护再在主图里通过graph_path复用主流程保持清爽。密钥这类敏感信息也别写死。.env里的API_KEY、BASE_URL可以在 YAML 里用${API_KEY}引用多个工作流共用一份配置。改密钥只动.env一处所有工作流自动生效。跑起来之后这几个坑先绕开端口冲突最常见。默认后端跑在 6400一旦被占就把后端换成--port 6401启动同时把前端的VITE_API_BASE_URL也改成 6401两边必须一致否则前端连不上后端。YAML 写得不规范容易踩坑。提交前用一条命令全量校验语法和 schemamake validate-yamls排查问题时日志统一落在logs/目录每次运行的产物附件、Python 工作目录、上下文快照、输出摘要都收在WareHouse/会话名/里会话名由时间戳加名称组成回溯哪一次运行一目了然。现在就去拖几个节点搭一条属于你自己的多智能体流水线吧。【免费下载链接】ChatDevChatDev 2.0: Dev All through LLM-powered Multi-Agent Collaboration项目地址: https://gitcode.com/GitHub_Trending/ch/ChatDev创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考