进入大模型时代，微软在推动大模型应用落地动作频频，先后发布了Semantic Kernel，PromptFlow，AutoGen等框架，最近又发布了一款Agent框架：TaskWeaver。它被作为一个代码优先框架，用于构建LLM Agent。它将用户需求转换为可执行代码，并将用户定义的插件视为可调用函数。TaskWeaver 支持丰富的数据结构（支持本地 Python 数据结构，如>

TaskWeaver 由三个主要组件组成：计划器、代码生成器和代码执行器。这些组件共同创建了一个双层计划系统。首先，高阶计划概述了总体战略。然后，详细执行计划指导框架完成每项任务，确保效率和准确性。

下面是该框架的工作流程。

它还可以很方便的应用在mutiagent场景中，不仅可以将agent作为插件被集成，也可以把它放到AutoGen等多agent框架中使用。

官方提到的亮点特性：

笔者认为，它还有一个比较大的亮点是，它易于集成，可以把它当作一个library使用，方便的、渐进式地集成到现有的系统。

app_dir = "/path/to/project/"app = TaskWeaverApp(app_dir=app_dir)session = app.get_session()user_query = "hello, what can you do?"response_round = session.send_message(user_query,event_handler=lambda _type, _msg: print(f"{_type}:\n{_msg}"))print(response_round.to_dict())

这将带来很大的编程范式改变，开发者不用花心思去具体进行数据处理等琐碎需求，交给agent帮你实现，这样既提高灵活性，又减少了工作量，这算不算是AI时代的高阶“策略模式”呢？

本文转载自​​，作者：