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 TutorialAssistant
async 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
https://docs.deepwisdom.ai/v0.7/zh/guide/use_cases/agent/interpreter/data_visualization.html
ps:windows用户如何装完不生效，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。
