vincentkoc/synthetic-user-research

# 合成用户研究 ## 使用 Autogen Framework 进行角色提示和自主智能体 ## 概述 本项目通过利用生成式 AI 和自主智能体来模拟数字客户角色，探索了合成用户研究这一创新领域。传统的用户研究方法面临着可扩展性和访问多样化用户群体等挑战。我们采用生成式 AI 的方法，允许在模拟的研究场景中创建数字角色并与之互动，从而解锁对消费者行为和偏好的前所未有的洞察。该 notebook 还包含一个示例报告卡的生成，您可以查看示例报告卡 [EXAMPLE_REPORT.md](EXAMPLE_REPORT.md)。  ## 主要特性 - **角色提示**：精心设计详细的 prompt，以生成具有丰富背景、目标和痛点的合成角色。 - **自主智能体融合**：结合技术和语言学，创造出能够在模拟环境中互动、模仿真实消费者交互的数字角色。 - **高级研究框架**：利用 Autogen、BabyAGI 和 CrewAI 等框架来管理复杂的智能体架构和交互。 ## 快速开始 ### 前置条件 - Python 3.8 或更高版本 - 安装 Autogen 及其他必要的库 ### 安装 将仓库克隆到您的本地计算机： ``` git clone https://github.com/koconder/synthetic-user-research.git cd synthetic-user-research ``` ### 运行 Notebook 在您首选的环境（例如 Jupyter Lab 或 Google Colab）中打开提供的 Jupyter Notebook。该 notebook 包含了用于设置环境、配置 LLM 和 API 密钥以及运行合成用户研究模拟的详细步骤和代码片段。 ## 用法 按照 notebook 中的说明进行操作： 1. 设置您的环境并配置大型语言模型 (LLM)。 2. 使用角色提示方法定义角色。 3. 初始化自主智能体并模拟用户研究会议。 4. 使用 Summary Agent 分析结果并生成摘要。 ## 许可证 本仓库采用 [CC BY-NC-SA 4.0](LICENSE) 许可。 - 详情请参阅 LICENSE 文件或 [知识共享](http://creativecommons.org/licenses/by-nc-sa/4.0/)。 此许可证要求再使用者注明原作者。它允许再使用者在任何媒体或格式中分发、混合、改编和在此基础上进行构建，但仅限于非商业目的。如果其他人修改或改编了该材料，他们必须在相同的条款下对修改后的材料进行许可。 ## 关于作者 Vincent Koc 是一位作家、讲师和未来学家，在数据驱动、数字化领域以及 AI 方面拥有丰富的经验。在 [LinkedIn](https://www.linkedin.com/in/vincentkoc) 和 [X]([https://twitter.com/koconder](https://x.com/vincent_koc) 上关注 Vincent。 *本项目是针对生成式 AI 和智能体架构持续实验的一部分。欢迎您的反馈和贡献！*

标签：Autogen, NoSQL, 人工智能, 生成式AI, 用户模式Hook绕过, 用户研究, 索引, 自主智能体, 逆向工具