原文：
www.kdnuggets.com/metagpt-data-interpreter-open-source-llm-based-data-solutions
图像由作者使用 Midjourney 创建
MetaGPT 是一个多智能体框架，用于将角色分配给各种智能体，形成协作实体，这些实体能够协调工作以执行复杂指令。MetaGPT 自称为“作为多智能体系统的软件公司”，为你提供这些协作实体的预期用途的想法。MetaGPT 可作为独立应用程序从命令行使用，也可作为库在你自己的 Python 脚本中使用，提供了所需的灵活性和控制。
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你组织的 IT 工作
该项目始于 2023 年 4 月，利用 ChatGPT，目前在撰写时 GitHub 上已有近 40K 星标。其 GitHub 仓库进一步描述如下：
MetaGPT 接收一行要求作为输入，并输出用户故事/竞争分析/需求/数据结构/API/文档等。
在内部，MetaGPT 包括产品经理/架构师/项目经理/工程师。它提供了一个软件公司的整个过程以及精心编排的标准操作程序（SOP）。
MetaGPT 的软件公司多智能体示意图（逐步实施）（来自 MetaGPT 的 GitHub）
MetaGPT 可用于代码生成、原型设计、项目规划等。它被认可为 杰出的开源成就，并且持续成为 GitHub 上的热门仓库。
这就是 MetaGPT。现在让我们深入讨论 数据解释器、Deep Wisdom's 最新 MetaGPT 改进和成就。
介绍 MetaGPT 数据解释器的完整视频
展示如何通过动态规划、工具利用、增强推理和基于经验的验证来应对电力负荷预测挑战。
案例：
t.co/GhNH54Ahhi… pic.twitter.com/Xc5aam1TXz— MetaGPT (@MetaGPT_) 2024 年 3 月 19 日
数据解释器是 MetaGPT 框架中的另一个成员代理，专注于评估和解决数据相关任务。从论文中：
在这项研究中，我们介绍了数据解释器，这是一种通过代码解决问题的解决方案，强调三项关键技术以增强数据科学中的问题解决能力：1) 使用分层图结构进行动态规划，以实现实时数据适应性；2) 动态工具集成，以提高执行期间的代码熟练度，丰富所需的专业知识；3) 反馈中的逻辑不一致性识别，通过经验记录提高效率。[...] 与开源基准相比，它展示了优越的性能，在机器学习任务中表现出显著改进，从 0.86 提高到 0.95。此外，它在 MATH 数据集上表现出 26%的提升，在开放性任务上则取得了 112%的显著改善。
这些发现确实令人印象深刻。而且无需盲目相信这些结果，因为他们已经发布了这些结果。Deep Wisdom 还提供了大量示例，以展示他们的数据解释器代理如何与现有的 MetaGPT 框架一起使用。
这个示例展示了它如何用于 NVIDIA 股票趋势分析。要查看 MetaGPT 数据解释器提示的样子，我将在下面重复一遍：
从 Yahoo Finance 获取 NVIDIA Corporation (NVDA)的股票价格数据，重点关注过去 5 年的历史收盘价。总结统计数据（均值、中位数、标准差等）以了解收盘价的集中趋势和离散程度。分析数据以发现任何明显的趋势、模式或异常情况，可能使用滚动平均或百分比变化。创建一个图表来可视化所有的数据分析。保留 20%的数据集用于验证。对训练集训练预测模型。报告模型的验证准确率，并可视化预测结果。
你可以查看上面链接的示例笔记本，以跟随 MetaGPT 的过程并查看结果。剧透：Deep Wisdom 没有分享这些结果，因为它们并不令人印象深刻 :)
阅读完整论文以获取所有相关信息。有关安装和使用的更多信息，请查看项目的GitHub 仓库。根据我的经验，我可以证明 MetaGPT 是一个值得查看的项目，并且随着数据解释器代理的加入，这一点比以前更加真实。
马修·梅奥 (@mattmayo13) 拥有计算机科学硕士学位和数据挖掘研究生文凭。作为KDnuggets与Statology的执行编辑，以及Machine Learning Mastery的特约编辑，马修致力于使复杂的数据科学概念变得易于理解。他的专业兴趣包括自然语言处理、语言模型、机器学习算法以及探索新兴的人工智能。他的使命是让数据科学社区中的知识变得更加民主化。马修从 6 岁起就开始编程。
