上篇文章 【AI的未来 - AI Agent系列】【MetaGPT】4. ActionNode从理论到实战 中我们学习了MetaGPT中ActionNode的理论和基本用法，跑通了一个简单程序。
原理和代码实现都很简单，但是谁知道当时我遇到了多少坑… 本文带你看看我在上文中遇到的坑，希望能帮到你！
下面说下我遇到的坑：
1. MetaGPT = 0.5.2 版本的坑
听信了官方教程中的MetaGPT版本推荐，我之前的学习和实战都使用了0.5.2版本，所以一开始，ActionNode的学习也使用的此版本。
1.1 坑一：cannot import name “ActionNode” from “metagpt.actions.action”
- 不知道为什么0.5.2版本无法从"metagpt.actions.action"导入ActionNode，看源码中，action_nodes.py是存在的
- 解决方案：改为从 metagpt.actions.action_node 导入 ActionNode
# from metagpt.actions.action import Action, ActionNode
from metagpt.actions.action import Action
from metagpt.actions.action_node import ActionNode
1.2 坑二：simple_fill 没有参数 schema
- 查看0.5.2版本的源码，simple_fill 的输入参数还叫 ‘to’，不叫 ‘schema’
- 解决方案：schema 改为 to
# child = await i.simple_fill(schema=schema, mode=mode)
child = await i.simple_fill(to=schema, mode=mode)
1.3 坑三：ActionNode一直在循环执行，
如下图：一直在输出，这个都是ActionNode内的打印。
这个坑，是在ActionNode中循环，退不到我的代码中，所以我无从下手解决。促使了我升级到最新github代码… 后来我在高版本中遇到类似问题，好像是因为结果校验不通过，触发了重试。
2. 升级成 MetaGPT GitHub最新源码（2024-01-16）之后的坑
2.1 坑一：no attribute ‘_rc’
- 从0.6版本开始，_rc这种成员变量都换成了不带下划线的：‘rc’
- 解决方案：将 ‘_rc’ 全部换成 ‘rc’
2.2 坑二：no attribute ‘_states’
- 解决方法同’rc’，将’_states’ 改为 ‘states’
2.3 坑三：‘gpt-4-1106-preview’ does not exist or you do not have access to it
- 原因：前面讲过，MetaGPT读取配置的顺序：key.yaml > config.yaml > 环境变量。当我升级到github最新代码，源码编译后，源码中存在了config.yaml文件，里面默认的配置是gpt4。MetaGPT默认使用了config.yaml，我的环境变量便被忽略了。
- 解决方案：在config.yaml中设置自己的配置。或者新建一个key.yaml来写自己的配置
2.4 坑四：A non-annotated attribute was detected: ‘input_num = 0’
这个是因为升级0.6版本后，0.6版本的校验更加严格，这类内的成员变量必须显式声明类型，否则会报错。文章来源：https://www.toymoban.com/news/detail-813510.html
- 解决方案
class SimplePrint(Action):
input_num: int = 0 ######## <------ 加上这一句，显式声明变量类型
def __init__(self, name="SimplePrint", input_num:int=0):
super().__init__()
self.input_num = input_num
还有几个坑忘记截图了… 不过上面也基本够了，应该能帮你省不少事儿~~~文章来源地址https://www.toymoban.com/news/detail-813510.html
到了这里，关于【AI的未来 - AI Agent系列】【MetaGPT】4.1 细说我在ActionNode实战中踩的那些坑的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
