先說結論
他的原理就是把不同的語言模型當作不同的職位或是工作，用不同的排列讓他們自己去做互相的除錯．其實就跟人的工作一樣，團隊有不同的工作要互相合作來達成目標（可以使用不同的排列根據官方的論文PDF可以看一下下面的圖）．那現在看起來是不是很美好，但是，對一定有個但是，這個但是就是成本，這個成本就是算力，因為你原本使用一個agent的成本就會直接翻倍三倍以上的去支出（當然相對於人的成本還是低很多）．
AutoGen 是一個框架，它可以啟用使用多個代理程序來開發LLM應用程式，這些代理程序可以互相對話以解決任務。AutoGen代理程序是可定制的，可以進行對話，並且可以無縫地允許人類參與。它們可以在使用LLM、人類輸入和工具的各種模式下運作。
AutoGen 能夠輕鬆建立下一代LLM應用程式，基於多代理對話，並減少開發工作量。它簡化了複雜LLM工作流程的協調、自動化和優化。
它最大程度地提高了LLM模型的性能，並克服了它們的弱點。它支持多種複雜工作流程的對話模式。
開發人員可以使用可定制和可對話的代理程序，使用AutoGen來建立關於對話自主性、代理程序數量和代理程序對話拓撲的各種對話模式。
它提供了一系列不同複雜性的運作系統，這些系統涵蓋了各種不同領域和複雜度的應用程式。這展示了AutoGen如何輕鬆支援多種對話模式。AutoGen提供了一個增強的推論API，可替代openai.Completion或openai.ChatCompletion，它允許輕鬆進行性能調整，提供API統一和緩存等實用工具，以及高級用法模式，如錯誤處理、多配置推論、上下文編程等。
AutoGen由Microsoft、賓夕法尼亞州立大學和華盛頓大學的合作研究項目支持。