一、項目概述
Minstrel 是一個基于 LangGPT 框架的多智能體系統，自動生成結構化、人格化的提示詞。它通過多個協作代理，提升提示詞的準確性、多樣性和靈活性，適合非 AI 專家使用 (github.com)。
二、問題動機
- 當前 LLM 提示設計經驗依賴強、規則分散，對非專家學習成本高；
- 提示詞重用和迭代難度大，缺少系統化支持；
- 為此，LangGPT 提出類編程語言結構設計，Minstrel 則實現自動化生成 (huggingface.co, arxiv.org)。
三、功能亮點
- 多智能體協同：Minstrel 分為分析組、設計組和測試組，三方協同完成提示的分析、設計和優化 (medium.com)。
- 結構化提示生成：遵循 LangGPT 框架的雙層結構（模塊 + 元素），系統化組織提示邏輯 (medium.com)。
- 高效優化能力：經過自動化測試與代理間反思討論，生成提示經常優于手動設計 。
四、技術細節
-
LangGPT 框架簡介
- 模塊（Modules）：角色設定、版本信息、約束條件、目標、示例、工作流程等；
- 元素（Elements）：具體指令與內容單元，形式類似編程函數/屬性，便于結構化復用 (medium.com)。
-
多智能體協作機制
- 分析組：理解用戶需求與反饋；
- 設計組：根據模塊結構生成內容；
- 測試組：對生成結果測試反饋，并觸發反思優化 (github.com)。
-
實踐效果
- 在 GPT?4?turbo、Qwen2?7B?Instruct 等模型上，Minstrel 生成的提示顯著提升任務效果；
- 用戶調研顯示，結構化提示便于非技術背景者理解和使用 (arxiv.org)。
五、安裝與使用
git clone https://github.com/langgptai/Minstrel.git
cd Minstrelconda create -n langgpt python=3.10 -y
conda activate langgptpip install openai==1.37.1
pip install streamlit==1.37.0streamlit run app.py
該命令啟動 Web 界面，支持用戶交互式生成提示 (github.com)。
六、應用案例
– 提示詞設計
–鏈式問答、專業測驗、數學題求解、指令遵循與虛假檢測等多場景測試中表現優異 (medium.com)。
– 對非 AI 背景用戶而言，降低設計壁壘，提升實用性和生成質量。
七、版本與未來規劃
- 當前版本已實現核心多智能體協作結構；
- 后續將拓展低資源模型適配能力、增強多語言支持、更豐富的模塊擴展等 。
項目地址鏈接
- GitHub 倉庫：https://github.com/langgptai/Minstrel
- 相關論文：Minstrel: Structural Prompt Generation with Multi?Agents Coordination for Non?AI Experts, arXiv (2024) (arxiv.org, arxiv.org)
)
