先说坑：
1.使用git clone模式安装metagpt
2.模型尽量使用在线模型或本地高参数模型。
这里使用python3.10.11调试成功
一，安装
安装 | MetaGPT，参考这里的以开发模型进行安装
git clone https://github.com/geekan/MetaGPT.git
cd /your/path/to/MetaGPT
pip install -e .在下载后的目录中有一个config文件夹，里面有一个config2.yaml的文件，修改并保存，这里使用zhipu的api进行实现，示例
llm:api_type: 'zhipuai'api_key: 'YOUR_API_KEY'model: 'MODEL_NAME'ollama也是可以的，不过模型参数不高的还是用在线的成功率会高一些。
验证
metagpt --help出现提示就代表安装成功，记住那个--code-review的命令
二，Hello world
metagpt "制作一个贪吃蛇的游戏" --code-review一般是在workspace目录下生成，会有个main.py的运行文件，不过这里需要手动安装一下pygame包，运行后这个游戏是可以执行的，目测可以直接用来可以当demo。
三，概念：让大模型具备agent能力，你需要指定动作action，这个动作可以是写教程，做诗，和自己吵架（辩论），OCR处理，网页自动化等。有了动作还需创建角色role，这个角色可以拥有记录，决策，执行动作的能力。role是具有执行action的综合实体---有一定的规划能力，action是role可执行的流程的具化---有胳膊腿可以进行交互。
MetaGPT/metagpt/roles/tutorial_assistant.py at main · geekan/MetaGPT · GitHub
以官网写脚本的例子来看，定义好就可以写执行代码:
import asyncio
from metagpt.logs import logger
from metagpt.roles.tutorial_assistant import TutorialAssistantasync def main():msg = "Python语言教程"role = TutorialAssistant()logger.info(msg)result = await role.run(msg)logger.info(result)
asyncio.run(main())写好的教程以md格式存储于data目录下，粗看还可以，总体思路是先生成标题，目录，然后在目录里填充内容。
更多示例请查阅
数据分析和可视化 | MetaGPT
ps:windows用户如果装完不生效，可以看下在C:\Users\xxx\.metagpt下是否有config2.yaml文件，默认是这个优先级高。
四，高级应用
1.RAG示例---需要先在config2.yaml中设置嵌入模型，这里使用ollama。
embedding:api_type: "ollama"base_url: "http://xxxxxxx:11434"api_key: "ollama"model: "bge-m3:latest"embed_batch_size: 256dimensions: 128坑1：运行时报了一堆错，初步判断是版本兼容的问题，这里给出几个关键包的版本，给大家参考下：
llama-index-core==0.12.14
llama-index-llms-openai=0.3.14
pydantic==2.9.2
pydantic-settings=2.7.1坑2：运行时报“ValueError: Calculated available context size -277 was not non-negative.”，官方解释：需要在llm里配置max_token，比如2048。但我在config2.yaml没找打配置的地方，于是简单粗暴改成这个DEFAULT_CONTEXT_WINDOW = 5000，这个值在constants.py中，有知道怎么设置max_token解决的童鞋欢迎留言指正。
代码没啥难的，就是直接拿来匹配用就可以：
import asynciofrom metagpt.rag.engines import SimpleEngine
from metagpt.const import EXAMPLE_DATA_PATHDOC_PATH = EXAMPLE_DATA_PATH / "./Dify文档.txt"async def main():engine = SimpleEngine.from_docs(input_files=[DOC_PATH])answer = await engine.aquery("Dify是什么")print(answer)if __name__ == "__main__":asyncio.run(main())结果是可以正确的回答。
2.使用playwright获取网页信息，官网例子
MetaGPT/examples/di/crawl_webpage.py at main · geekan/MetaGPT · GitHub
在这之前要先配置playwright，同样在config2.yaml中定义
browser:engine: "playwright"browser_type: "chromium"自己改写的例子，验证通过。
from metagpt.roles.di.data_interpreter import DataInterpreterNEWS_BaiDu_REQ = """从百度新闻https://news.baidu.com/获取信息, **注意: 这是一个中文网站**;
下面是一个大致流程, 你会根据每一步的运行结果对当前计划中的任务做出适当调整:
1. 爬取html结构;
2. 找到并打印第一个*`春晚`*关键词后100个字符的html内容;
"""async def main():di = DataInterpreter(tools=["scrape_web_playwright"])await di.run(NEWS_BaiDu_REQ)if __name__ == "__main__":import asyncioasyncio.run(main())
