MetaGPT + AFLOW - автоматизация разработки приложений с LLM

Сегодня в общих чертах 🏋️‍♀️ о двух мощных проектах из экосистемы FoundationAgents, которые меняют подход к созданию приложений с помощью ЛЛМ, MetaGPT и AFLOW, опубликованная на ICLR 2025.

Суть MetaGPT - от одной строки на естественном языке переходим к сгенерированному репозиторию с кодом и документацией 🕺.
🔹 MetaGPT моделирует работу целой софтверной компании, где у каждого агента своя роль (продукт-менеджер, системный архитектор, разработчик, тестировщик, безопасник (хаха, попались,безопасника нет, по крайней мере не нашлось явного встроенного агента-“безопасника” 🛡или охранной роли, которая бы отвечала исключительно за безопасность 😨 (security & guardrail) в смысле аудита кода, проверки уязвимостей, защиты от вредоносных либо небезопасных действий) и т. д. 🤔
🔹 Роли координируются между собой, сначала пишутся требования, потом генерируются структуры/классы, API, тесты, README, и даже создаётся Git-репозиторий.
🐹 Всё это, конечно, с помощью LLM, включая GPT-4/Claude/DeepSeek

В свою очередь AFLOW - автоматический генератор агентных воркфлоу. 😺Чтобы LLM-система уверенно справлялась с реальными задачами (код, математика, аналитика), часто всё упирается в сложный и ручной дизайн воркфлоу (себя проверить, себя подправить, собрать несколько ответов, выбрать лучший). А еще AFLOW использует поиск Monte Carlo Tree Search, чтобы автоматически находить лучшие структуры в виде программного кода!
Результаты:
😎 +5.7% к качеству по сравнению с вручную написанными пайплайнами
😎 Меньшие модели типа GPT-4o-mini с workflow от AFLOW обгоняют GPT-4 в задачах QA/Math/Code — при 4.5% стоимости 🤯
😎 Работает на наборах вроде GSM8K, HumanEval, DROP

Сочетание MetaGPT + AFLOW
Если MetaGPT по сути пишет код, то AFLOW - это «инженер, придумывающий лучший способ заставить LLM думать». Это крутой тандем, когда одним промптом генерируется проект, а AFLOW автоматически находит для него оптимальные агентные цепочки.

Всё! 🤩