ChatDev 2.0: מחברה וירטואלית לפלטפורמת מולטי-אג'נט ללא קוד

נקודה מרכזית

הריפו ChatDev 2.0 'DevAll' הוא פלטפורמת אורקסטרציה של סוכני AI ללא קוד שמשתחררת ממבנים נוקשים של חברות וירטואליות ותומכת בתהליכי עבודה גמישים של סוכנים בכל תחום. פותח על ידי OpenBMB, הוא משנה את הדרך שבה אנחנו מעצבים מערכות מולטי-אג'נט על ידי הצעת ממשקי drag-and-drop ויזואליים ושליטה פרוגרמטית באמצעות Python SDK.

מה זה ChatDev 2.0?

הריפו ChatDev 2.0 'DevAll' הוא פלטפורמת אורקסטרציה מקיפה של סוכני AI שהתפתחה ממודל החברה הוירטואלית הקבוע של הגרסה הקודמת למערכת גמישה שתומכת בכל תהליך עבודה מורכב. הפרויקט ChatDev פותר את הבעיה של פטרנים לא גמישים של שיתוף פעולה בין סוכנים שכולנו מתמודדים איתה כשאנחנו מנסים לבנות מערכות מולטי-אג'נט מעבר לתרחישים פשוטים של ייצור קוד.

בזמן ש-ChatDev 1.0 נעל אותנו לתפקידים מוגדרים מראש (מנכ"ל, CTO, מתכנת, מעצב), גרסה 2.0 מציגה ארכיטקטורה מופרדת עם עיצוב ויזואלי של תהליכי עבודה, מה שהופך אורקסטרציה של מולטי-אג'נט לנגישה גם למפתחים וגם למשתמשים לא טכניים.

הבעיה שכולנו מכירים

כולנו נתקלנו בקיר הזה: פריימוורקים קיימים של מולטי-אג'נט כופים עלינו פטרנים נוקשים. ChatDev 1.0 היה מבריק לייצור תוכנה—הוא נתן לנו חברה וירטואלית שיכלה לבנות אפליקציות מתיאורים בשפה טבעית. אבל מה קורה כשאנחנו צריכים סוכנים לוויזואליזציה של דאטה? ייצור תוכן תלת-מימדי? אוטומציה של מחקר? המבנה הקבוע של החברה הפך למגבלה במקום לפיצ'ר.

מסתבר שרוב כלי האורקסטרציה היום מאלצים אותנו לבחור בין שני קצוות: או שאנחנו מקבלים פתרון ללא קוד עם גמישות מוגבלת, או שאנחנו צוללים לפריימוורקים מורכבים מבוססי קוד שדורשים ידע טכני עמוק. אנחנו מבזבזים שעות על חיבור אינטראקציות של סוכנים, דיבאג של פרוטוקולי תקשורת, וניהול מצב על פני מערכות מבוזרות של סוכנים.

כלים קיימים כמו LangGraph מציעים יכולות עוצמתיות אבל מגיעים עם עקומת למידה תלולה. פלטפורמות אחרות מספקות פשטות אבל נועלות אותנו לפטרנים הספציפיים שלהן. היינו צריכים משהו שמגשר על הפער הזה—נגיש מספיק לפרוטוטייפינג מהיר, עוצמתי מספיק למערכות פרודקשן.

איך ChatDev 2.0 עובד

הפלטפורמה ChatDev 2.0 מציגה ארכיטקטורה תלת-שכבתית שמפרידה דאגות בצורה נקייה: Server (ניהול מצב), Runtime (ביצוע סוכנים), ו-Workflow (הגדרת לוגיקה). תחשבו על זה כמו ארכיטקטורה מודרנית של אפליקציות רשת—שכבת בסיס הנתונים, שרת האפליקציה, והלוגיקה העסקית הם עצמאיים אבל עובדים יחד בצורה חלקה.

הקונסול הויזואלי, שנבנה עם Vue3, מספק קנבס של drag-and-drop שבו אנחנו מעצבים רשתות של סוכנים. כל סוכן הוא צומת, אינטראקציות הן קשתות, ואנחנו מקנפגים פטרנים של שיתוף פעולה בצורה ויזואלית. למפתחים שרוצים שליטה פרוגרמטית, ה-Python SDK חושף את כל מנוע האורקסטרציה.

מה שנקרא המבדל כאן: ChatDev 2.0 משלב פטרנים של שיתוף פעולה מגובי מחקר מהמאמרים של OpenBMB מ-NeurIPS 2025. MacNet (רשתות שיתוף פעולה של מולטי-אג'נט) מטפל בטופולוגיות מורכבות של סוכנים—כלומר אנחנו יכולים ליצור רשתות שבהן סוכנים מתקשרים בפטרנים מתוחכמים, לא רק שרשראות ליניאריות. Puppeteer מביא אורקסטרציה דינמית—סוכנים יכולים לפתח את אסטרטגיות האינטראקציה שלהם על בסיס דרישות המשימה.

התחלה מהירה

ככה אנחנו מתחילים עם ChatDev 2.0:

# שכפול הריפו
git clone https://github.com/OpenBMB/ChatDev.git
cd ChatDev

# התקנת תלויות
pip install -r requirements.txt

# הפעלת הקונסול הויזואלי (ממשק Vue3)
npm install
npm run dev

# או שימוש ישיר ב-Python SDK
from chatdev import Orchestrator, Agent

orchestrator = Orchestrator()
agent1 = Agent(role="analyst", capabilities=["data_processing"])
agent2 = Agent(role="visualizer", capabilities=["chart_generation"])

orchestrator.add_agents([agent1, agent2])
result = orchestrator.run(task="analyze sales data")

דוגמה אמיתית

נגיד שאנחנו רוצים לבנות תהליך עבודה לאוטומציה של מחקר. אנחנו צריכים סוכנים לחיפוש מאמרים, סיכום ממצאים, וסינתזה של תובנות:

# הגדרת תהליך העבודה למחקר שלנו
from chatdev import Workflow, Agent, DAGTopology

# יצירת סוכנים מתמחים
searcher = Agent(
    name="paper_searcher",
    role="research",
    tools=["arxiv_search", "semantic_scholar"]
)

summarizer = Agent(
    name="paper_summarizer",
    role="analysis",
    tools=["text_extraction", "summarization"]
)

synthesizer = Agent(
    name="insight_synthesizer",
    role="synthesis",
    tools=["cross_reference", "knowledge_graph"]
)

# הגדרת טופולוגיה של תהליך העבודה (מבוסס DAG)
topology = DAGTopology()
topology.add_edge(searcher, summarizer)  # החיפוש מעביר פלט למסכם
topology.add_edge(summarizer, synthesizer)  # המסכם מעביר פלט למסנתז

# יצירה והפעלה של תהליך העבודה
workflow = Workflow(agents=[searcher, summarizer, synthesizer], topology=topology)
results = workflow.execute(
    query="recent advances in multi-agent reinforcement learning",
    max_papers=10
)

print(results.synthesis)

פיצ'רים מרכזיים

• ארכיטקטורה מופרדת - שכבות Server, Runtime, ו-Workflow פועלות באופן עצמאי, מה שהופך את המערכת למודולרית וניתנת לסקייל. תחשבו על זה כמו מיקרו-סרוויסים לאורקסטרציה של סוכנים—אנחנו יכולים לעשות סקייל לכל רכיב בנפרד בהתאם לצרכים שלנו.
• מעצב תהליכי עבודה ויזואלי - קונסול מבוסס Vue3 עם ממשק drag-and-drop מבטל צורך בקוד לתרחישים בסיסיים. הקטע המדליק הוא שזה כמו להשתמש בכלי פלואו-צ'ארט, אבל כל תיבה היא סוכן אינטליגנטי וכל חץ הוא ערוץ תקשורת.
• Python SDK למשתמשים מתקדמים - גישה פרוגרמטית למנוע האורקסטרציה המלא מאפשרת לנו להגדיר תהליכי עבודה מורכבים, התנהגויות מותאמות אישית של סוכנים, ולוגיקת ניתוב דינמית שמסתגלת במהלך הביצוע.
• פטרנים מגובי מחקר - השילוב של MacNet ו-Puppeteer מהמאמרים של NeurIPS 2025 מביא קפדנות אקדמית ליישום מעשי. אנחנו לא מנחשים לגבי שיתוף פעולה של סוכנים—אנחנו משתמשים בפטרנים מוכחים ממחקר עמיתים.
• טופולוגיות מבוססות DAG - מה שנקרא Directed Acyclic Graph (גרף מכוון אציקלי) פירושו שאנחנו יכולים לדגם תלויות מורכבות ונתיבי ביצוע מקבילים. סוכן A יכול להזין תוצאות גם לסוכן B וגם לסוכן C בו-זמנית, בזמן שסוכן D ממתין לשניהם להשלים.
• ניתוב דינמי של סוכנים - סוכנים יכולים לשנות את פטרני האינטראקציה שלהם על בסיס תנאי זמן ריצה. אם גישה אחת נכשלת, המערכת יכולה לנסות אסטרטגיות חלופיות של שיתוף פעולה בלי התערבות ידנית.

מתי להשתמש ב-ChatDev 2.0 לעומת אלטרנטיבות

הפלטפורמה ChatDev 2.0 מצטיינת כשאנחנו צריכים אורקסטרציה גמישה של מולטי-אג'נט מעבר לייצור קוד. אם היוזקייס שלנו כולל פייפליינים של ניתוח דאטה, תהליכי עבודה ליצירת תוכן, אוטומציה של מחקר, או כל תרחיש שבו סוכנים מתמחים מרובים חייבים לשתף פעולה, הפלטפורמה הזו מספקת את האיזון הנכון בין נגישות לעוצמה.

בואו נשווה את זה ל-LangGraph, שמציע יכולות עוצמתיות להפליא אבל דורש הבנה עמוקה של מודל התכנות המבוסס-גרף שלו. LangGraph מושלם למפתחים שרוצים שליטה עדינה ולא אכפת להם מעקומת הלמידה. ChatDev 2.0 נותן עדיפות להצטרפות מהירה יותר דרך כלים ויזואליים תוך שהוא עדיין מציע גישת SDK למשתמשים מתקדמים.

לאפליקציות פשוטות של סוכן יחיד או שרשראות פרומפט ישירות, כלים כמו LangChain עשויים להיות פשוטים יותר. החוזק של ChatDev 2.0 מתגלה כשאינטראקציות של סוכנים הופכות מורכבות—סוכנים מרובים עם תפקידים שונים, ניתוב מותנה, ביצוע מקבילי, ופטרני שיתוף פעולה מתפתחים.

אם אנחנו בונים מערכות פרודקשן שצריכות ניטור ויזואלי ושינוי בזמן ריצה של תהליכי עבודה של סוכנים, הקונסול של ChatDev 2.0 מספק יכולות שפריימוורקים מבוססי קוד בלבד חסרים. אנחנו יכולים ממש לצפות ברשת הסוכנים שלנו מבצעת ולהתאים התנהגויות בזמן אמת.

בעיניי - האם אשתמש בזה?

לעניות דעתי, ChatDev 2.0 מייצג צעד משמעותי לקראת דמוקרטיזציה של פיתוח מולטי-אג'נט. הממשק הויזואלי מוריד מחסומים למנהלי מוצר, חוקרים, ומומחי תחום שמבינים תהליכי עבודה אבל לא רוצים לכתוב קוד אורקסטרציה. במקביל, ה-Python SDK שומר על מפתחים מנוסים מרוצים על ידי מתן שליטה פרוגרמטית מלאה.

אני מתרגש במיוחד מהשילוב של מחקר אקדמי. לעתים קרובות מדי, מאמרים על מערכות מולטי-אג'נט נשארים באקדמיה בזמן שהמעשנים ממציאים את הגלגל מחדש. OpenBMB מגשרת על הפער הזה על ידי יישום של פטרני MacNet ו-Puppeteer ישירות בקוד מוכן לפרודקשן.

היוזקייסים שבהם זה מבריק לעבודה שלנו: אוטומציה של מחקר (הצוות שלי מבזבז שעות על סקירה ידנית של מאמרים), פייפליינים של ניתוח דאטה (שבהם סוכנים שונים מטפלים בבליעה, טרנספורמציה, וויזואליזציה), ותהליכי עבודה ליצירת תוכן (שבהם סוכנים משתפים פעולה במחקר, כתיבה, ועריכה).

מגבלות לשים לב אליהן: בתור שכתוב של 2.0, חלק מהפיצ'רים עדיין מתבגרים. הדוקומנטציה עשויה לפגר מאחורי היכולות בזמן שהפלטפורמה מתפתחת. הקונסול הויזואלי מרשים אבל עשוי לא לכסות כל מקרה קצה—לוגיקה מותנית מורכבת עדיין עשויה לדרוש שימוש ב-SDK. מאפייני ביצועים בסקייל צריכים אימות בעולם האמיתי.

שורה תחתונה: ChatDev 2.0 נכנס לסטאק הניסויים שלנו מיד. לפרוטוטייפינג של תהליכי עבודה של מולטי-אג'נט, זו עכשיו הבחירה הראשונה שלנו. לדיפלוי בפרודקשן, נאמת ביצועים ויציבות לפני שנתחייב לגמרי.

חקרו את הפרויקט: ChatDev ב-GitHub

שאלות נפוצות

מה זה ChatDev 2.0?

הריפו ChatDev 2.0 'DevAll' הוא פלטפורמת אורקסטרציה של סוכני AI ללא קוד שנוצרה על ידי OpenBMB ומאפשרת עיצוב גמיש של תהליכי עבודה של סוכנים לכל תחום באמצעות כלים ויזואליים או Python SDK, תוך מעבר מעבר למודל החברה הוירטואלית הנוקשה של גרסה 1.0.

מי יצר את ChatDev 2.0?

הפלטפורמה ChatDev 2.0 נוצרה על ידי OpenBMB, ארגון מחקר שמשלב מחקר חדשני של שיתוף פעולה בין סוכנים (כולל המאמרים שלהם מ-NeurIPS 2025 על MacNet ו-Puppeteer) בכלים מעשיים.

מתי כדאי להשתמש ב-ChatDev 2.0?

כדאי להשתמש ב-ChatDev 2.0 כשאנחנו צריכים מערכות גמישות של מולטי-אג'נט לתהליכי עבודה מורכבים מעבר לייצור קוד פשוט—ניתוח דאטה, יצירת תוכן, אוטומציה של מחקר, או כל תרחיש שדורש שיתוף פעולה מתוחכם של סוכנים עם ניתוב מותנה וביצוע מקבילי.

מה האלטרנטיבות ל-ChatDev 2.0?

אלטרנטיבות כוללות LangGraph (עוצמתי יותר אבל עקומת למידה תלולה יותר, הכי טוב למפתחים שרוצים שליטה עדינה), LangChain (פשוט יותר לשרשראות פרומפט בסיסיות ואפליקציות סוכן יחיד), ו-AutoGen (הפריימוורק של מיקרוסופט עם טיפוסים חזקים ושיחות מובנות). ChatDev 2.0 מתמיין עם כלי עיצוב ויזואליים ופטרנים של שיתוף פעולה מגובי מחקר.

מה המגבלות של ChatDev 2.0?

בתור שכתוב של 2.0, חלק מהפיצ'רים עדיין מתבגרים והדוקומנטציה עשויה לפגר מאחורי היכולות. הקונסול הויזואלי עשוי לא לכסות כל מקרה קצה ללוגיקה מותנית מורכבת, מה שדורש נפילה חזרה לשימוש ב-SDK. ביצועים בסקייל צריכים אימות בעולם האמיתי בזמן שהפלטפורמה מתפתחת.