在海内开源大模型中，老牛同学用遥遥领先做为 Qwen2.5 模型系列总结一点也不为过，海内开源大模型能真打的实在是太少了！
老牛同学对Qwen2.5-Coder比较感兴趣，可能是老牛同学专业的缘故原由，非常期待能有一个智能编程的模型或运用，真所谓：码无止境，学无止境！
模型能力比对
本日，老牛同学就基于Qwen2.5-Coder模型，结合CrewAI多智能体框架，实现一个能根据软件需求编写程序代码的系统，同时感想熏染一下Qwen2.5-Coder的能力。因此本文大致分为以下三部分：
通过老牛同学前面的文章可以看到，我们至少有 3 种办法在本地支配和推理大模型，本文便是不在详细先容其过程了（感兴趣的朋友可以翻看一下老牛同学之前文章）。
为了尽快实现我们的目标，我们将利用Ollama快速在本地支配Qwen2.5-Coder模型；关于 Ollama 的详细先容和利用教程，可以参考老牛同学之前文章：https://mp.weixin.qq.com/s/majDONtuAUzN2SAaYWxH1Q
我们安装好Ollama程序之后，通过以下一条命令，即可完成大模型的下载和支配：
ollama run qwen2.5-coder:7b
下载和支配成功之后，Ollama默认自带了一个终端对话窗口：
Ollama下载和支配
至此，Qwen2.5-Coder模型本地支配就成功了，接下来我们来实现多智能体代码逻辑~
CrewAI 多智能体设计和实现CrewAI是一个多智能体框架，关于它的详细先容和利用教程，可以参考老牛同学之前文章：https://mp.weixin.qq.com/s/wqOqupVIDsKDW-Kmj3IRYw
工欲善其事，必先利其器，我们先准备一下CrewAI的研发环境，我们通过Miniconda管理 Python 虚拟环境，Miniconda的安装和利用可以参考老牛同学之前的文章：https://mp.weixin.qq.com/s/P_ufvz4MWVSqv_VM-rJp9w
# Python虚拟环境名：CrewAI，版本号：3.10conda create -n CrewAI python=3.10 -y# 激活虚拟环境conda activate CrewAI# 安装 CrewAI 框架依赖pip install crewai
我们的编程智能体为游戏智能编程团队（姑且就叫这个名吧），这个团队由3 个角色组成（即：3 个智能体），他们的事情职责设定如下：
软件工程师：卖力根据需求编写程序代码质量工程师：创造并修复软件工程师的代码 Bug 和缺点首席质量工程师：检测程序完全性，并检测是否符合软件需求我们通过以下步骤，完成游戏智能编程团队整体逻辑（Python 文件：CrewAI-Game.py），首先我们须要导入程序的均依赖类：
import osfrom textwrap import dedentfrom crewai import Agent, Task, Crew
【第一步：配置Qwen2.5-Coder大模型】
# 配置模型（qwen2.5-coder:7b）os.environ["OPENAI_API_BASE"] = 'http://127.0.0.1:11434/v1'os.environ["OPENAI_MODEL_NAME"] = 'qwen2.5-coder:7b',os.environ["OPENAI_API_KEY"] = 'EMPTY'
【第二步：定义3 个角色（即：3 个智能体）】
3 个智能体分别是：高等软件工程师、高等质量工程师和首席质量工程师
## 3个智能体逻辑#def senior_engineer_agent():"""高等软件工程师智能体"""return Agent(role='高等软件工程师',goal='根据需求完成软件编程',backstory=dedent('''你是一位国际领先的科技公司的高等软件工程师。你非常善于Python编程，并尽自己的最大努力编写功能完好、运行良好的完美代码。'''),allow_delegation=False,verbose=True)def qa_engineer_agent():"""高等软件质量工程师智能体"""return Agent(role='高等软件质量工程师',goal='剖析程序代码，找出个中的缺点，并修复这些缺点代码',backstory=dedent('''你是一位检测代码的高等工程师。你对代码细节很敏锐，非常善于找出代码中的Bug，包括检讨是否短缺导入、变量声明、不匹配括号和语法缺点等。您还能检讨出代码的安全漏洞和逻辑缺点。'''),allow_delegation=False,verbose=True)def chief_qa_engineer_agent():"""首席软件质量工程师智能体"""return Agent(role='首席软件质量工程师',goal='确保代码实现了需求',backstory='''你疑惑程序员没有按照需求编写软件，你特殊专注于编写高质量的代码。''',allow_delegation=True,verbose=True)
【第三步：定义3 个任务（即：3 个智能体的任务）】
与 3 个智能体对应，每个智能体均对应有 1 个任务：
## 3个任务逻辑#def code_task(agent, game):return Task(description=dedent(f'''你将按照软件需求，利用Python编写程序:软件需求------------{game}'''),expected_output='你的输出是完全的Python代码, 特殊把稳只须要输出Python代码，不要输出其他任何内容！
',agent=agent)def review_task(agent, game):return Task(description=dedent(f'''你将按照软件需求，进一步利用Python完善给定的程序:软件需求------------{game}根据给定的Python程序代码，检讨个中的缺点。包括检讨逻辑缺点语法缺点、短缺导入、变量声明、括号不匹配，以及安全漏洞。'''),expected_output='你的输出是完全的Python代码, 特殊把稳只须要输出Python代码，不要输出其他任何内容！
',agent=agent)def evaluate_task(agent, game):return Task(description=dedent(f'''你将按照软件需求，进一步利用Python完善给定的程序:软件需求------------{game}查看给定的Python程序代码，确保程序代码完全，并且符合软件需求。'''),expected_output='你的输出是完全的Python代码, 特殊把稳只须要输出Python代码，不要输出其他任何内容！
',agent=agent)
【第四步：定义团队，组织智能体协同实行任务】
CrewAI中，Crew代表团队，它有agents和tasks这 2 个核心属性，终极通过kickoff()方法触发实行全体流程：
## 团队逻辑#print('')game = input('# 您好，我们是游戏智能编程团队，请输入游戏的详细描述：\n\n')print('')# 智能体senior_engineer_agent = senior_engineer_agent()qa_engineer_agent = qa_engineer_agent()chief_qa_engineer_agent = chief_qa_engineer_agent()# 任务code_game = code_task(senior_engineer_agent, game)review_game = review_task(qa_engineer_agent, game)approve_game = evaluate_task(chief_qa_engineer_agent, game)# 团队crew = Crew(agents=[senior_engineer_agent,qa_engineer_agent,chief_qa_engineer_agent],tasks=[code_game,review_game,approve_game],verbose=True)# 实行game_code = crew.kickoff()
末了，我们拿到 Python 代码之后，希望能保存到本地文件（Python 文件：Game.py）：
# 输出print("\n\n########################")print("## 游戏代码结果")print("########################\n")print(game_code)# 存储代码filename = 'Game.py'print("\n\n########################\n")with open(filename, 'w', encoding='utf-8') as file: file.write(game_code)print(f"游戏代码已经存储到文件： {filename}")print(f'你可以运行游戏：python {filename}')
以上步骤即完成了我们只能编程团队代码，接下就可以实行了：python CrewAI-Game.py
CrewAI 实行过程中，我们看到 3 个智能体实行详细信息：
软件工程师实行过程信息质量工程师实行过程信息首席工程师实行过程信息末了，我们运行本地存储的小游戏程序：python Game.py
由于程序利用到了Pygame包，如果虚拟环境没有的话，须要安装一下：pip install pygame
终极我们运行起来了饕餮蛇游戏：
饕餮蛇游戏
至此，本次我们需求基本完成了，我们通过定义的 3 个智能体和对应的任务，终极智能体与Qwen2.5-Coder交互完成软件需求程序的编写。
程序终极还能跑起来，这也进一步表示了Qwen2.5-Coder模型的语音和代码推理能力！
往期推举文章：
vLLM CPU 和 GPU 模式署和推理 Qwen2 等大措辞模型详细教程
基于 Qwen2/Lllama3 等大模型，支配团队私有化 RAG 知识库系统的详细教程（Docker+AnythingLLM）
利用 Llama3/Qwen2 等开源大模型，支配团队私有化 Code Copilot 和利用教程
基于 Qwen2 大模型微调技能详细教程（LoRA 参数高效微调和 SwanLab 可视化监控）
ChatTTS 长音频合成和本地支配 2 种办法，让你的“儿童绘本”发声的实战教程
MiniCPM-V 2.6 面壁“小钢炮”，多图、视频理解多模态模型，支配和推理实战教程
微信"大众号：老牛同学