ChatDev 2.0: Zero-Code Multi-Agent AI Platform That Changes Everything
github7 דקות קריאהJanuary 14, 2026

ChatDev 2.0: פלטפורמת Multi-Agent AI ללא קוד שמשנה הכל

הריפו ChatDev 2.0 (DevAll) מאת OpenBMB הוא פלטפורמה ללא קוד שמאפשרת לנו לתזמר תהליכי עבודה של multi-agent AI דרך עיצוב ויזואלי בגרירה-ושחרור. נוצר עבור מפתחים, חוקרים, וצוותים לא-טכניים שצריכים שיתוף פעולה מורכב של סוכנים בלי לכתוב קוד תיזמור.

Yuval Avidani

Yuval Avidani

Author

נקודה מרכזית

הריפו ChatDev 2.0 (עכשיו בשם 'DevAll') הוא פלטפורמה ללא קוד שמאפשרת לנו לבנות ולתזמר תהליכי עבודה של multi-agent AI דרך עיצוב ויזואלי בגרירה-ושחרור. פותח על ידי OpenBMB, הוא מבטל את הצורך לכתוב קוד תיזמור תוך תמיכה בשיתוף פעולה מורכב של סוכנים בתחומים כמו מחקר, מודלינג 3D, והוראה בווידאו.

מה זה ChatDev 2.0 (DevAll)?

ChatDev 2.0, שקיבל מיתוג מחדש ל-'DevAll', הוא פלטפורמת תיזמור מקיפה ללא קוד שמשנה את הצורה שבה אנחנו בונים מערכות AI של multi-agent. הפרויקט ChatDev פותר את הבעיה של תיזמור סוכנים מורכב שכולנו מתמודדים איתה כשבונים תהליכי עבודה של AI מתוחכמים - לא עוד כתיבה של מאות שורות קוד תיאום.

בניגוד לקודמו שהתמקד אך ורק בפיתוח תוכנה, DevAll מתרחב לתחומים מרובים. אנחנו יכולים עכשיו לעצב פייפליינים למחקר, תהליכי עבודה לג'נרציה של 3D, מערכות הוראה בווידאו ועוד - הכל דרך ממשק ויזואלי שמרגיש כמו חיבור של קוביות LEGO.

הבעיה שכולנו מכירים

כל מי שעובד עם סוכני AI נתקל בקיר הזה: לבנות מערכות multi-agent פירושו לכתוב כמויות אדירות של קוד תיזמור. אנחנו מבזבזים שעות על חיבור סוכנים, ניהול פרוטוקולי התקשורת שלהם, דיבוג של תהליכי אינטראקציה, וטיפול במקרי קצה. כל תהליך עבודה חדש דורש פיגומים ייעודיים.

הכאב מחמיר כשבעלי עניין לא-טכניים רוצים להתנסות בעיצובים של סוכנים. למנהלי מוצר יש רעיונות לתהליכי עבודה למחקר. מומחי תחום יודעים איך סוכנים צריכים לשתף פעולה בתחום שלהם. אבל הם לא יכולים ליישם את הרעיונות האלה בלי משאבי הנדסה, מה שיוצר צווארי בקבוק ושרשראות תלות.

מסתבר שפריימוורקים קיימים כמו LangGraph ו-CrewAI מספקים הפשטות עוצמתיות, אבל הם עדיין דורשים כישורי קודינג. אפילו למפתחים מנוסים, שינויים פשוטים פירושם שינויי קוד, מחזורי בדיקות, ודיפלוי מחדש. מהירות האיטרציה איטית מדי לניסויים מהירים.

איך ChatDev 2.0 (DevAll) עובד

DevAll לוקח גישה שונה ביסודה: עיצוב ויזואלי של תהליכי עבודה מגובה בארכיטקטורה מתוחכמת. תחשבו על זה כמו Zapier או n8n, אבל מהונדס במיוחד לתיזמור סוכני AI עם הבנה עמוקה של דפוסי שיתוף פעולה של סוכנים.

בליבה, DevAll משתמש ב-MacNet - מה שנקרא Modular Agent Collaboration Network. הארכיטקטורה הזו תומכת ב-DAGs (Directed Acyclic Graphs) - כלומר סוכנים יכולים לתקשר במסלולים מסועפים מורכבים בלי ליצור תלויות מעגליות שמובילות ללולאות אינסופיות. כל סוכן הופך לצומת בגרף, עם קצוות שמייצגים זרימת דאטה וערוצי תקשורת.

הפלטפורמה מחולקת בצורה נקייה לשתי שכבות: בקאנד של FastAPI מטפל בעבודה החישובית הכבדה (הרצת סוכנים, ניהול מצב, קריאות API), בעוד שפרונטאנד של Vue 3 מספק את ממשק הגרירה-ושחרור. ההפרדה הזו פירושה שאנחנו יכולים לסקייל את הבקאנד באופן עצמאי ואפילו להחליף את הפרונטאנד אם צריך.

התחלה מהירה

ככה אנחנו מתחילים עם DevAll:

# התקנה
pip install chatdev-devall

# אתחול הפלטפורמה
from chatdev import DevAll

platform = DevAll(api_key="your_key")

# טעינת תהליך עבודה מעוצב מראש
workflow = platform.load_workflow('research_pipeline')

# הרצה עם דאטה קלט
result = workflow.run({
    "topic": "multi-agent systems",
    "depth": "comprehensive"
})

דוגמה אמיתית: בניית פייפליין מחקר

נגיד שאנחנו רוצים ליצור תהליך עבודה למחקר שאוסף מידע, מסנתז ממצאים, ומייצר דוח:

from chatdev import DevAll, Agent

# אתחול הפלטפורמה
platform = DevAll()

# יצירת סוכנים באופן פרוגרמטי (או שימוש במעצב הויזואלי)
researcher = Agent(
    name="Researcher",
    role="information_gathering",
    llm="gpt-4"
)

analyzer = Agent(
    name="Analyzer",
    role="synthesis",
    llm="claude-3-opus"
)

writer = Agent(
    name="Writer",
    role="report_generation",
    llm="gpt-4"
)

# בניית תהליך עבודה עם מבנה DAG
workflow = platform.create_workflow("research_pipeline")
workflow.add_agent(researcher)
workflow.add_agent(analyzer)
workflow.add_agent(writer)

# הגדרת תלויות (קצוות DAG)
workflow.connect(researcher, analyzer)  # Analyzer תלוי ב-Researcher
workflow.connect(analyzer, writer)      # Writer תלוי ב-Analyzer

# הרצה
output = workflow.run(input_data={"research_topic": "AI safety"})
print(output.final_report)

פיצ'רים מרכזיים

  • מעצב ויזואלי של תהליכי עבודה - הקטע המדליק הוא ממשק גרירה-ושחרור לבניית תיזמורים מורכבים של סוכנים. תחשבו על זה כמו ציור תרשים זרימה, רק שכל קופסה היא סוכן חכם עם יכולות ספציפיות.
  • ארכיטקטורת MacNet עם תמיכה ב-DAG - רשת שיתוף פעולה מודולרית שמונעת תלויות מעגליות. כמו מערכת רחובות חד-כיווניים לזרימת דאטה, שמבטיחה שסוכנים לעולם לא נתקעים בלולאות אינסופיות.
  • תמיכה בתחומים מרובים - לא רק פיתוח תוכנה יותר. אנחנו יכולים לבנות תהליכי עבודה למחקר, מודלינג 3D, יצירת וידאו, ניתוח דאטה ועוד. כל תחום מקבל תבניות סוכנים מיוחדות.
  • Iterative Experience Refinement - הסוכנים לומדים מהרצות קודמות ומשפרים את דפוסי השיתוף ביניהם. כמו צוות שמשתפר בעבודה ביחד עם הזמן.
  • ארכיטקטורה מפוצלת (FastAPI + Vue 3) - הבקאנד מסקייל באופן עצמאי מהפרונטאנד. אנחנו יכולים להריץ עומסי עבודה כבדים של סוכנים על שרתים חזקים תוך שמירה על הUI רספונסיבי בכל מכשיר.
  • Python SDK למשתמשי כוח - כשאנחנו צריכים קונטרול פרוגרמטי מעבר לממשק הויזואלי, ה-SDK מספק גישה מלאה ליכולות הפלטפורמה.

מתי להשתמש ב-DevAll לעומת אלטרנטיבות

DevAll מבריק כשאנחנו צריכים פרוטוטייפינג מהיר של תהליכי עבודה multi-agent בלי לכתוב קוד תיזמור. הוא מושלם לצוותים עם יכולות טכניות מעורבות - מנהלי מוצר יכולים לעצב תהליכי עבודה ויזואלית, ואז מפתחים יכולים לכוונן עם ה-Python SDK.

לפיתוח code-first טהור, פריימוורקים כמו LangGraph או CrewAI עשויים להציע גמישות רבה יותר. LangGraph נותן לנו קונטרול עדין על מכונות מצב ואינטראקציות של סוכנים. CrewAI מתמקד בשיתוף פעולה של סוכנים מבוסס תפקידים עם דפוסים חזקים בעלי דעה.

נבחר ב-DevAll כש: - אנחנו צריכים שחברי צוות לא-טכניים יעצבו תהליכי עבודה של סוכנים - מהירות איטרציה מהירה היא קריטית (שינויים ויזואליים לעומת שינויי קוד) - אנחנו עובדים על פני תחומים מרובים (מחקר + 3D + וידאו) - אנחנו רוצים את האופציה לעבור בין קונטרול ויזואלי לפרוגרמטי

נבחר באלטרנטיבות כש: - אנחנו צריכים קונטרול מקסימלי על כל היבט של אינטראקציה של סוכנים (LangGraph) - המקרה שלנו מתאים חזק לדפוסים בעלי דעה (CrewAI) - אנחנו בונים מערכת פרודקשן שבה code review הוא חובה

בעיניי - האם אשתמש בזה?

לעניות דעתי, DevAll מייצג צעד משמעותי לקראת דמוקרטיזציה של פיתוח multi-agent. הגישה של zero-code מסירה מחסומים עבור מומחי תחום שמבינים דפוסי שיתוף פעולה של סוכנים אבל חסרים כישורי תכנות.

אני במיוחד מתרגש מהפיצ'ר של Iterative Experience Refinement. הרעיון שסוכנים לומדים מריצות קודמות ומשפרים את השיתוף ביניהם מרגיש כמו חלק חסר בפריימוורקים הנוכחיים של סוכנים. רוב המערכות מתייחסות לכל הרצה כמבודדת - DevAll בונה זיכרון מוסדי.

הטרייד-אוף ברור: אנחנו מוותרים על קצת קונטרול בשביל פשטות. משתמשי כוח שרוצים לשלוט בכל היבט של מכונות מצב של סוכנים עשויים למצוא שהממשק הויזואלי מגביל. עם זאת, ה-Python SDK מגשר על הפער הזה יפה - אנחנו יכולים לעצב מהר ב-UI, ואז לרדת לקוד לכוונון עדין.

הדאגה העיקרית שלי היא סקיילביליות ברמה ארגונית. הדוקומנטציה לא מפרטת איך DevAll מטפל בתהליכי עבודה עם עשרות סוכנים או תפוקת דאטה אדירה. לתהליכי עבודה בסיבוכיות קטנה עד בינונית, זה נראה מצוין. למערכות פרודקשן בקנה מידה אדיר, נצטרך מידע נוסף על מאפייני הביצועים.

שורה תחתונה: אני בהחלט אתנסה ב-DevAll לאוטומציה של פייפליינים למחקר ותהליכי עבודה של יצירת תוכן. הממשק הויזואלי לבדו יחסוך שעות של כתיבת קוד תיזמור. כדאי לבדוק את הריפו: ChatDev ב-GitHub

שאלות נפוצות

מה זה ChatDev 2.0 (DevAll)?

ChatDev 2.0, עכשיו בשם DevAll, הוא פלטפורמה ללא קוד מאת OpenBMB שמאפשרת לנו לבנות ולתזמר תהליכי עבודה של multi-agent AI דרך עיצוב ויזואלי בגרירה-ושחרור בלי לכתוב קוד תיזמור.

מי יצר את ChatDev 2.0?

ChatDev 2.0 נוצר על ידי OpenBMB, ארגון קוד פתוח שמתמקד בבניית תשתית AI מקיפה וכלים למפתחים וחוקרים.

מתי כדאי להשתמש ב-DevAll?

כדאי להשתמש ב-DevAll כשאנחנו צריכים לעשות פרוטוטייפינג מהיר של תהליכי עבודה multi-agent, כשחברי צוות לא-טכניים צריכים לעצב שיתוף פעולה של סוכנים, או כשעובדים על פני תחומים מרובים כמו מחקר, מודלינג 3D, ויצירת וידאו.

מה האלטרנטיבות ל-DevAll?

אלטרנטיבות כוללות את LangGraph (לקונטרול עדין על מכונות מצב של סוכנים), CrewAI (לשיתוף פעולה של סוכנים מבוסס תפקידים עם דפוסים בעלי דעה), ו-AutoGen (לפריימוורקים של סוכנים שיחתיים). DevAll מתבדל דרך הממשק הויזואלי ללא קוד שלו.

מה המגבלות של DevAll?

הממשק הויזואלי עשוי להרגיש מגביל לתרחישים מותאמים מאוד שבהם אנחנו צריכים קונטרול על כל היבט של אינטראקציה של סוכנים. הפלטפורמה גם חדשה יחסית, כך שמאפייני הביצועים בסקייל ארגוני לא מתועדים במלואם עדיין.

Comments