目录
它如何实现多角色协同（如 Planner、Coder、Reviewer、Tester）？
它如何实现可执行的反馈循环（self-correcting）？
与 Camel-AI、AgentGPT 等其他 agent 框架对比，MetaGPT 的独特之处？
如何在 MetaGPT 中定义各 agent 的上下文和技能？
MetaGPT 支持哪些常见工作流（如 API 设计、代码 review）？
GPT 的 decoder-only 架构与 encoder-decoder 架构对比？
GPT-3、GPT-3.5、GPT-4 的参数规模与能力差异？
GPT 的 decoder-only 架构与 encoder-decoder 架构对比？
GPT-3、GPT-3.5、GPT-4 的参数规模与能力差异？
CoT（chain-of-thought）prompt 如何提升推理能力？
role prompting（角色扮演式 prompt）的作用？
高级 prompt 技术有哪些？如 interleaved querying？
用 MetaGPT 实现 API 设计流程时，完整 pipeline 如何设置？
如何用 MetaGPT 构建 interview 问题生成 agent？
使用 MetaGPT 构建 invoice OCR agent 的关键步骤？
在 multi-agent 系统中如何实现 unit test 自动生成？
MetaGPT 在科研报告、市场调研类任务中的流程是怎样的？
如何部署 MetaGPT 到云端（如 AWS Lambda / Kubernetes）？
提示注入（prompt injection）攻击机理与防御方法？
MetaGPT 如何处理 agent 生成的有害 / 偏见内容？
agent 自适应与 continuous learning 的伦理挑战？
MetaGPT 的核心目标与设计理念是什么？
MetaGPT 的核心目标是构建一个能够模拟人类专业团队协作的元智能体框架，通过将大型语言模型（LLM）与模块化的角色分工体系相结合，实现复杂任务的自动化处理与迭代优化。其设计理念根植于对人类团队协作模式的抽象与数字化映射，旨在让 AI 系统能够像人类团队一样，通过不同角色的专业分工、信息交互和协同决策来完成复杂工作。
从目标层面来看，MetaGPT 致力于解决传统单一 AI 模型在处理复杂任务时的局限性。传统