微软的Low-codeLLM解析

微软写了一个简单的低代码的LLM复杂任务控制流程，类似AutoGPT，对大的任务进行分解成多个子任务。

一共分成3步：

• 1. 用户问一个问题，ChatGPT作为规划LLM，出一个SOP的任务规划。
• 2. 用户对ChatGPT返回的规划LLM进行修改，还可以对简单的逻辑进行修改，即if和else，类似Scratch编程。
• 3. 用户可以对某个Step进一步扩展成subStep，方便更精细的子任务操作。
• 4. 当用户实际问一个具体的问题时，按照规划好的SOP进行回答。

代码地址

代码：https://github.com/microsoft/TaskMatrix/tree/main/LowCodeLLM

示例截图

代码的结构

├── Dockerfile
├── README-zh.md
├── README.md
├── config.template
└── src
    ├── app.py  主进程
    ├── executingLLM.py
    ├── index.html
    ├── lowCodeLLM.py
    ├── openAIWrapper.py
    ├── planningLLM.py
    ├── requirements.txt
    ├── supervisord.conf

执行流程的示例

微软的代码的待完善

1. 没有对用户修改的Step进行存储。
2. 最后用户询问时，没有一步步的调用chatgpt进行解答，直接贴上所有的SOP和问题后直接进行回答。

示例问题，测试的示例其实需要和本地的数据库进行联动的，作为下一步改进的方向。