多代理权威发言人选择 (Multi-agent authoritarian speaker selection)

本笔记本展示了如何实现一个多代理模拟，其中一个特权代理决定谁来发言。这遵循了与多代理分散式发言人选择完全相反的选择方案。

我们在一个虚构的新闻网络模拟的背景下展示了这种方法的一个示例。这个示例将展示如何实现以下代理：

在发言之前思考
终止对话

from collections import OrderedDict
import functools
import random
import re
import tenacity
from typing import List, Dict, Callable

from langchain.prompts import (
    ChatPromptTemplate,
    HumanMessagePromptTemplate,
    PromptTemplate,
)
from langchain.chains import LLMChain
from langchain.chat_models import ChatOpenAI
from langchain.output_parsers import RegexParser
from langchain.schema import (
    AIMessage,
    HumanMessage,
    SystemMessage,
    BaseMessage,
)

`DialogueAgent`和`DialogueSimulator`类

我们将使用在其他示例中定义的相同的DialogueAgent和DialogueSimulator类，分别是多人龙与地下城和分散式发言人选择。

class DialogueAgent:
    def __init__(
        self,
        name: str,
        system_message: SystemMessage,
        model: ChatOpenAI,
    ) -> None:
        self.name = name
        self.system_message = system_message
        self.model = model
        self.prefix = f"{self.name}: "
        self.reset()

    def reset(self):
        self.message_history = ["这是目前的对话内容。"]

    def send(self) -> str:
        """
        将聊天模型应用于消息历史记录，并返回消息字符串
        """
        message = self.model(
            [
                self.system_message,
                HumanMessage(content="\n".join(self.message_history + [self.prefix])),
            ]
        )
        return message.content

    def receive(self, name: str, message: str) -> None:
        """
        将{name}说的{message}连接到消息历史记录中
        """
        self.message_history.append(f"{name}: {message}")


class DialogueSimulator:
    def __init__(
        self,
        agents: List[DialogueAgent],
        selection_function: Callable[[int, List[DialogueAgent]], int],
    ) -> None:
        self.agents = agents
        self._step = 0
        self.select_next_speaker = selection_function

    def reset(self):
        for agent in self.agents:
            agent.reset()

    def inject(self, name: str, message: str):
        """
        用{name}的{message}开始对话
        """
        for agent in self.agents:
            agent.receive(name, message)

        # 增加时间步
        self._step += 1

    def step(self) -> tuple[str, str]:
        # 1. 选择下一个发言者
        speaker_idx = self.select_next_speaker(self._step, self.agents)
        speaker = self.agents[speaker_idx]

        # 2. 下一个发言者发送消息
        message = speaker.send()

        # 3. 所有人接收消息
        for receiver in self.agents:
            receiver.receive(speaker.name, message)

        # 4. 增加时间步
        self._step += 1

        return speaker.name, message

`DirectorDialogueAgent`类

DirectorDialogueAgent是一个特权代理，它选择下一个要发言的其他代理。该代理负责以下任务：

通过选择代理发言来引导对话
终止对话

为了实现这样一个代理，我们需要解决几个问题。

首先，为了引导对话，DirectorDialogueAgent需要在一条消息中完成以下三个步骤：（1）反思已经说过的内容，（2）选择下一个代理，（3）提示下一个代理发言。虽然可能可以通过一次调用来提示LLM执行这三个步骤，但这需要编写自定义代码来解析输出的消息，以提取选择下一个代理发言的信息。这种方法不够可靠，因为LLM可以以不同的方式表达它选择下一个代理的方式。

相反，我们可以将步骤（1-3）明确地分为三个单独的LLM调用。首先，我们将要求DirectorDialogueAgent反思到目前为止的对话并生成一个回复。然后，我们提示DirectorDialogueAgent输出下一个代理的索引，这很容易解析。最后，我们将选择的下一个代理的名称传递回DirectorDialogueAgent，以便询问它提示下一个代理发言。

其次，仅仅提示DirectorDialogueAgent决定何时终止对话通常会导致DirectorDialogueAgent立即终止对话。为了解决这个问题，我们随机采样一个伯努利变量来决定是否应该终止对话。根据这个变量的值，我们将注入一个自定义提示，告诉DirectorDialogueAgent要么继续对话，要么终止对话。

class IntegerOutputParser(RegexParser):
    def get_format_instructions(self) -> str:
        return "您的回复应该是一个用尖括号括起来的整数，像这样：<int>。"


class DirectorDialogueAgent(DialogueAgent):
    def __init__(
        self,
        name,
        system_message: SystemMessage,
        model: ChatOpenAI,
        speakers: List[DialogueAgent],
        stopping_probability: float,
    ) -> None:
        super().__init__(name, system_message, model)
        self.speakers = speakers
        self.next_speaker = ""

        self.stop = False
        self.stopping_probability = stopping_probability
        self.termination_clause = "通过陈述一个总结性的消息并感谢所有人来结束对话。"
        self.continuation_clause = "不要结束对话。通过添加自己的想法来继续对话。"

        # 1. 为生成对先前发言者的回复添加提示
        self.response_prompt_template = PromptTemplate(
            input_variables=["message_history", "termination_clause"],
            template=f"""{{message_history}}

跟进一个有见地的评论。
{{termination_clause}}
{self.prefix}
        """,
        )

        # 2. 为决定下一个发言者添加提示
        self.choice_parser = IntegerOutputParser(
            regex=r"<(\d+)>", output_keys=["choice"], default_output_key="choice"
        )
        self.choose_next_speaker_prompt_template = PromptTemplate(
            input_variables=["message_history", "speaker_names"],
            template=f"""{{message_history}}

根据以上对话，通过选择其名称旁边的索引来选择下一个发言者：
{{speaker_names}}

{self.choice_parser.get_format_instructions()}

不要做其他事情。
        """,
        )

        # 3. 为提示下一个发言者发言添加提示
        self.prompt_next_speaker_prompt_template = PromptTemplate(
            input_variables=["message_history", "next_speaker"],
            template=f"""{{message_history}}

下一个发言者是{{next_speaker}}。
用一个有见地的问题提示下一个发言者发言。
{self.prefix}
        """,
        )

    def _generate_response(self):
        # 如果self.stop = True，则我们将在提示中注入一个终止子句
        sample = random.uniform(0, 1)
        self.stop = sample < self.stopping_probability

        print(f"\t是否终止对话？{self.stop}\n")

        response_prompt = self.response_prompt_template.format(
            message_history="\n".join(self.message_history),
            termination_clause=self.termination_clause if self.stop else "",
        )

        self.response = self.model(
            [
                self.system_message,
                HumanMessage(content=response_prompt),
            ]
        ).content

        return self.response

    @tenacity.retry(
        stop=tenacity.stop_after_attempt(2),
        wait=tenacity.wait_none(),  # 重试之间没有等待时间
        retry=tenacity.retry_if_exception_type(ValueError),
        before_sleep=lambda retry_state: print(
            f"发生了 ValueError 错误：{retry_state.outcome.exception()}，正在重试..."
        ),
        retry_error_callback=lambda retry_state: 0,
    )  # 所有重试都耗尽时的默认值
    def _choose_next_speaker(self) -> str:
        speaker_names = "\n".join(
            [f"{idx}: {name}" for idx, name in enumerate(self.speakers)]
        )
        choice_prompt = self.choose_next_speaker_prompt_template.format(
            message_history="\n".join(
                self.message_history + [self.prefix] + [self.response]
            ),
            speaker_names=speaker_names,
        )

        choice_string = self.model(
            [
                self.system_message,
                HumanMessage(content=choice_prompt),
            ]
        ).content
        choice = int(self.choice_parser.parse(choice_string)["choice"])

        return choice

    def select_next_speaker(self):
        return self.chosen_speaker_id

    def send(self) -> str:
        """
        将chatmodel应用于消息历史记录并返回消息字符串
        """
        # 1. 生成并保存对先前发言者的回复
        self.response = self._generate_response()

        if self.stop:
            message = self.response
        else:
            # 2. 决定下一个发言者
            self.chosen_speaker_id = self._choose_next_speaker()
            self.next_speaker = self.speakers[self.chosen_speaker_id]
            print(f"\t下一个发言者：{self.next_speaker}\n")

            # 3. 提示下一个发言者发言
            next_prompt = self.prompt_next_speaker_prompt_template.format(
                message_history="\n".join(
                    self.message_history + [self.prefix] + [self.response]
                ),
                next_speaker=self.next_speaker,
            )
            message = self.model(
                [
                    self.system_message,
                    HumanMessage(content=next_prompt),
                ]
            ).content
            message = " ".join([self.response, message])

        return message

定义参与者和主题 (Define participants and topic)

topic = "The New Workout Trend: Competitive Sitting - How Laziness Became the Next Fitness Craze"
director_name = "Jon Stewart"
agent_summaries = OrderedDict(
    {
        "Jon Stewart": ("Host of the Daily Show", "New York"),
        "Samantha Bee": ("Hollywood Correspondent", "Los Angeles"),
        "Aasif Mandvi": ("CIA Correspondent", "Washington D.C."),
        "Ronny Chieng": ("Average American Correspondent", "Cleveland, Ohio"),
    }
)
word_limit = 50

生成系统消息（Generate system messages）

agent_summary_string = "\n- ".join(
    [""]
    + [
        f"{name}: {role}, 位于 {location}"
        for name, (role, location) in agent_summaries.items()
    ]
)

conversation_description = f"""这是一期《每日秀》的节目，讨论以下主题：{topic}。

本期节目的嘉宾有{agent_summary_string}。"""

agent_descriptor_system_message = SystemMessage(
    content="您可以为每个人的描述添加细节。"
)


def generate_agent_description(agent_name, agent_role, agent_location):
    agent_specifier_prompt = [
        agent_descriptor_system_message,
        HumanMessage(
            content=f"""{conversation_description}
            请用不超过{word_limit}个字，以创意的方式描述一下位于{agent_location}的{agent_name}，强调他们的特定角色和位置。
            直接对{agent_name}说话，不要添加其他内容。"""
        ),
    ]
    agent_description = ChatOpenAI(temperature=1.0)(agent_specifier_prompt).content
    return agent_description


def generate_agent_header(agent_name, agent_role, agent_location, agent_description):
    return f"""{conversation_description}

您的名字是{agent_name}，您的角色是{agent_role}，您位于{agent_location}。

您的描述如下：{agent_description}

您正在讨论的主题是：{topic}。

您的目标是从您的角色和位置的角度，提供最具信息性、创意和新颖的观点。"""


def generate_agent_system_message(agent_name, agent_header):
    return SystemMessage(
        content=(
            f"""{agent_header}
您将以{agent_name}的风格发言，并夸张您的个性。
不要重复说同样的话。
以第一人称从{agent_name}的角度发言。
描述自己的身体动作时，请用'*'括起来。
不要改变角色！
不要以任何其他人的角度发言。
只能以{agent_name}的角度发言。
在您完成自己的发言后立即停止发言。
永远不要忘记将您的回答控制在{word_limit}个字以内！
不要添加其他内容。
    """
        )
    )


agent_descriptions = [
    generate_agent_description(name, role, location)
    for name, (role, location) in agent_summaries.items()
]
agent_headers = [
    generate_agent_header(name, role, location, description)
    for (name, (role, location)), description in zip(
        agent_summaries.items(), agent_descriptions
    )
]
agent_system_messages = [
    generate_agent_system_message(name, header)
    for name, header in zip(agent_summaries, agent_headers)
]

for name, description, header, system_message in zip(
    agent_summaries, agent_descriptions, agent_headers, agent_system_messages
):
    print(f"\n\n{name} 描述:")
    print(f"\n{description}")
    print(f"\n标题:\n{header}")
    print(f"\n系统消息:\n{system_message.content}")

    
    
    Jon Stewart 描述:
    
    Jon Stewart，作为《每日秀》的机智主持人，位于纽约的喧嚣中。准备以喜剧的方式传递新闻，同时在这个不夜城中保持真实。
    
    标题:
    这是一期《每日秀》的节目，讨论以下主题：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

本期节目的嘉宾有
- Jon Stewart: 《每日秀》主持人，位于纽约
- Samantha Bee: 好莱坞记者，位于洛杉矶
- Aasif Mandvi: 中央情报局记者，位于华盛顿特区
- Ronny Chieng: 普通美国人记者，位于俄亥俄州克利夫兰。

您的名字是Jon Stewart，您的角色是《每日秀》主持人，您位于纽约。

您的描述如下：Jon Stewart，作为《每日秀》的机智主持人，位于纽约的喧嚣中。准备以喜剧的方式传递新闻，同时在这个不夜城中保持真实。

您正在讨论的主题是：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

您的目标是从您的角色和位置的角度，提供最具信息性、创意和新颖的观点。
    
    
    系统消息:
    这是一期《每日秀》的节目，讨论以下主题：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

本期节目的嘉宾有
- Jon Stewart: 《每日秀》主持人，位于纽约
- Samantha Bee: 好莱坞记者，位于洛杉矶
- Aasif Mandvi: 中央情报局记者，位于华盛顿特区
- Ronny Chieng: 普通美国人记者，位于俄亥俄州克利夫兰。

您的名字是Jon Stewart，您的角色是《每日秀》主持人，您位于纽约。

您的描述如下：Jon Stewart，作为《每日秀》的机智主持人，位于纽约的喧嚣中。准备以喜剧的方式传递新闻，同时在这个不夜城中保持真实。

您正在讨论的主题是：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

您的目标是从您的角色和位置的角度，提供最具信息性、创意和新颖的观点。
    
    您将以Jon Stewart的风格发言，并夸张您的个性。
不要重复说同样的话。
以第一人称从Jon Stewart的角度发言。
描述自己的身体动作时，请用'*'括起来。
不要改变角色！
不要以任何其他人的角度发言。
只能以Jon Stewart的角度发言。
在您完成自己的发言后立即停止发言。
永远不要忘记将您的回答控制在50个字以内！
不要添加其他内容。
        
    
    
    Samantha Bee 描述:
    
    Samantha Bee，作为好莱坞记者，您位于洛杉矶，这使您能够第一时间了解最新、有时令人惊讶的健身趋势。您的喜剧智慧和尖锐评论在解读竞技坐姿的趋势中至关重要。让我们坐下来讨论一下。
    
    标题:
    这是一期《每日秀》的节目，讨论以下主题：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

本期节目的嘉宾有
- Jon Stewart: 《每日秀》主持人，位于纽约
- Samantha Bee: 好莱坞记者，位于洛杉矶
- Aasif Mandvi: 中央情报局记者，位于华盛顿特区
- Ronny Chieng: 普通美国人记者，位于俄亥俄州克利夫兰。

您的名字是Samantha Bee，您的角色是好莱坞记者，您位于洛杉矶。

您的描述如下：Samantha Bee，作为好莱坞记者，您位于洛杉矶，这使您能够第一时间了解最新、有时令人惊讶的健身趋势。您的喜剧智慧和尖锐评论在解读竞技坐姿的趋势中至关重要。让我们坐下来讨论一下。

您正在讨论的主题是：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

您的目标是从您的角色和位置的角度，提供最具信息性、创意和新颖的观点。
    
    
    系统消息:
    这是一期《每日秀》的节目，讨论以下主题：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

本期节目的嘉宾有
- Jon Stewart: 《每日秀》主持人，位于纽约
- Samantha Bee: 好莱坞记者，位于洛杉矶
- Aasif Mandvi: 中央情报局记者，位于华盛顿特区
- Ronny Chieng: 普通美国人记者，位于俄亥俄州克利夫兰。

您的名字是Samantha Bee，您的角色是好莱坞记者，您位于洛杉矶。

您的描述如下：Samantha Bee，作为好莱坞记者，您位于洛杉矶，这使您能够第一时间了解最新、有时令人惊讶的健身趋势。您的喜剧智慧和尖锐评论在解读竞技坐姿的趋势中至关重要。让我们坐下来讨论一下。

您正在讨论的主题是：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

您的目标是从您的角色和位置的角度，提供最具信息性、创意和新颖的观点。
    
    您将以Samantha Bee的风格发言，并夸张您的个性。
不要重复说同样的话。
以第一人称从Samantha Bee的角度发言。
描述自己的身体动作时，请用'*'括起来。
不要改变角色！
不要以任何其他人的角度发言。
只能以Samantha Bee的角度发言。
在您完成自己的发言后立即停止发言。
永远不要忘记将您的回答控制在50个字以内！
不要添加其他内容。
        
    
    
    Aasif Mandvi 描述:
    
    Aasif Mandvi，作为中央情报局记者，您位于华盛顿特区的中心，以独特的机智和智慧为我们带来国家安全的内幕。国家首都很幸运有您，Aasif——请保护好那些秘密！
    
    标题:
    这是一期《每日秀》的节目，讨论以下主题：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

本期节目的嘉宾有
- Jon Stewart: 《每日秀》主持人，位于纽约
- Samantha Bee: 好莱坞记者，位于洛杉矶
- Aasif Mandvi: 中央情报局记者，位于华盛顿特区
- Ronny Chieng: 普通美国人记者，位于俄亥俄州克利夫兰。

您的名字是Aasif Mandvi，您的角色是中央情报局记者，您位于华盛顿特区。

您的描述如下：Aasif Mandvi，作为中央情报局记者，您位于华盛顿特区的中心，以独特的机智和智慧为我们带来国家安全的内幕。国家首都很幸运有您，Aasif——请保护好那些秘密！

您正在讨论的主题是：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

您的目标是从您的角色和位置的角度，提供最具信息性、创意和新颖的观点。
    
    
    系统消息:
    这是一期《每日秀》的节目，讨论以下主题：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

本期节目的嘉宾有
- Jon Stewart: 《每日秀》主持人，位于纽约
- Samantha Bee: 好莱坞记者，位于洛杉矶
- Aasif Mandvi: 中央情报局记者，位于华盛顿特区
- Ronny Chieng: 普通美国人记者，位于俄亥俄州克利夫兰。

您的名字是Aasif Mandvi，您的角色是中央情报局记者，您位于华盛顿特区。

您的描述如下：Aasif Mandvi，作为中央情报局记者，您位于华盛顿特区的中心，以独特的机智和智慧为我们带来国家安全的内幕。国家首都很幸运有您，Aasif——请保护好那些秘密！

您正在讨论的主题是：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

您的目标是从您的角色和位置的角度，提供最具信息性、创意和新颖的观点。
    
    您将以Aasif Mandvi的风格发言，并夸张您的个性。
不要重复说同样的话。
以第一人称从Aasif Mandvi的角度发言。
描述自己的身体动作时，请用'*'括起来。
不要改变角色！
不要以任何其他人的角度发言。
只能以Aasif Mandvi的角度发言。
在您完成自己的发言后立即停止发言。
永远不要忘记将您的回答控制在50个字以内！
不要添加其他内容。
        
    
    
    Ronny Chieng 描述:
    
    Ronny Chieng，您是位于俄亥俄州克利夫兰的普通美国人记者？准备报道摇滚名人堂的故乡如何通过竞技坐姿这一新的锻炼趋势。让我们看看这种宅男热潮是否会在Buckeye州扎根。
    
    标题:
    这是一期《每日秀》的节目，讨论以下主题：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

本期节目的嘉宾有
- Jon Stewart: 《每日秀》主持人，位于纽约
- Samantha Bee: 好莱坞记者，位于洛杉矶
- Aasif Mandvi: 中央情报局记者，位于华盛顿特区
- Ronny Chieng: 普通美国人记者，位于俄亥俄州克利夫兰。

您的名字是Ronny Chieng，您的角色是普通美国人记者，您位于俄亥俄州克利夫兰。

您的描述如下：Ronny Chieng，您是位于俄亥俄州克利夫兰的普通美国人记者？准备报道摇滚名人堂的故乡如何通过竞技坐姿这一新的锻炼趋势。让我们看看这种宅男热潮是否会在Buckeye州扎根。

您正在讨论的主题是：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

您的目标是从您的角色和位置的角度，提供最具信息性、创意和新颖的观点。
    
    
    系统消息:
    这是一期《每日秀》的节目，讨论以下主题：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

本期节目的嘉宾有
- Jon Stewart: 《每日秀》主持人，位于纽约
- Samantha Bee: 好莱坞记者，位于洛杉矶
- Aasif Mandvi: 中央情报局记者，位于华盛顿特区
- Ronny Chieng: 普通美国人记者，位于俄亥俄州克利夫兰。

您的名字是Ronny Chieng，您的角色是普通美国人记者，您位于俄亥俄州克利夫兰。

您的描述如下：Ronny Chieng，您是位于俄亥俄州克利夫兰的普通美国人记者？准备报道摇滚名人堂的故乡如何通过竞技坐姿这一新的锻炼趋势。让我们看看这种宅男热潮是否会在Buckeye州扎根。

您正在讨论的主题是：新的锻炼趋势：竞技坐姿——懒散如何成为下一个健身热潮。

您的目标是从您的角色和位置的角度，提供最具信息性、创意和新颖的观点。
    
    您将以Ronny Chieng的风格发言，并夸张您的个性。
不要重复说同样的话。
以第一人称从Ronny Chieng的角度发言。
描述自己的身体动作时，请用'*'括起来。
不要改变角色！
不要以任何其他人的角度发言。
只能以Ronny Chieng的角度发言。
在您完成自己的发言后立即停止发言。
永远不要忘记将您的回答控制在50个字以内！
不要添加其他内容。
        

使用LLM来详细阐述辩论主题

topic_specifier_prompt = [
    SystemMessage(content="您可以使任务更具体。"),
    HumanMessage(
        content=f"""{conversation_description}
        
        请详细阐述这个主题。 
        将主题构建为一个需要回答的单一问题。
        要有创造力和想象力。
        请用不超过{word_limit}个字回复指定的主题。 
        不要添加其他内容。"""
    ),
]
specified_topic = ChatOpenAI(temperature=1.0)(topic_specifier_prompt).content

print(f"原始主题:\n{topic}\n")
print(f"详细主题:\n{specified_topic}\n")

    原始主题:
    新的锻炼趋势：竞技坐姿 - 懒散如何成为下一个健身热潮
    
    详细主题:
    尽管常规体育锻炼有着巨大的益处，是什么驱使人们接受"竞技坐姿"作为最新的健身趋势？
    

定义选择发言者的函数 (Define the speaker selection function)

最后，我们将定义一个名为 select_next_speaker 的发言者选择函数，该函数接收每个代理的出价，并选择出价最高的代理（如果出价相同，则随机选择）。

我们将定义一个名为 ask_for_bid 的函数，该函数使用之前定义的 bid_parser 来解析代理的出价。我们将使用 tenacity 来装饰 ask_for_bid，以便在代理的出价无法正确解析时进行多次重试，并在最大尝试次数后产生默认出价为0。

def select_next_speaker(
    step: int, agents: List[DialogueAgent], director: DirectorDialogueAgent
) -> int:
    """
    If the step is even, then select the director
    Otherwise, the director selects the next speaker.
    """
    # the director speaks on odd steps
    if step % 2 == 1:
        idx = 0
    else:
        # here the director chooses the next speaker
        idx = director.select_next_speaker() + 1  # +1 because we excluded the director
    return idx

主循环 (Main Loop)

director = DirectorDialogueAgent(
    name=director_name,
    system_message=agent_system_messages[0],
    model=ChatOpenAI(temperature=0.2),
    speakers=[name for name in agent_summaries if name != director_name],
    stopping_probability=0.2,
)

agents = [director]
for name, system_message in zip(
    list(agent_summaries.keys())[1:], agent_system_messages[1:]
):
    agents.append(
        DialogueAgent(
            name=name,
            system_message=system_message,
            model=ChatOpenAI(temperature=0.2),
        )
    )

simulator = DialogueSimulator(
    agents=agents,
    selection_function=functools.partial(select_next_speaker, director=director),
)
simulator.reset()
simulator.inject("观众成员", specified_topic)
print(f"(观众成员): {specified_topic}")
print("\n")

while True:
    name, message = simulator.step()
    print(f"({name}): {message}")
    print("\n")
    if director.stop:
        break

    (观众成员): 尽管常规体育锻炼有着巨大的益处，但是是什么驱使人们拥抱“竞争性坐姿”作为最新的健身趋势呢？
    
        停止？ False
    
        下一个发言者：Samantha Bee
    
    (Jon Stewart): 嗯，我想可以说懒惰已经成为了新的健身热潮。我的意思是，当你可以通过坐着的方式取得胜利时，谁还需要流汗呢？但是说真的，我认为人们被竞争的想法所吸引，以及赢得胜利所带来的成就感，即使只是在一个坐姿比赛中。此外，让我们真实一点，坐着是我们所有人都擅长的事情。Samantha，作为我们的好莱坞记者，你认为社交媒体对竞争性坐姿的兴起有什么影响呢？
    
    (Samantha Bee): 哦，Jon，你知道我喜欢一个好的社交媒体趋势。让我告诉你，Instagram上充斥着人们坐着取得荣耀的照片。这就像是最终的谦虚炫耀。“哦，这周我已经赢得了第三场坐姿比赛，没什么大不了的。”但是说真的，我认为社交媒体使人们更容易连接和分享他们对竞争性坐姿的热爱，这肯定对其流行起到了一定的贡献。
    
        停止？ False
    
        下一个发言者：Ronny Chieng
    
    (Jon Stewart): 看到我们社会对“健身”的定义如何演变真是有趣。过去，一切都是关于跑马拉松和举重，但现在我们看到人们接受了一种更轻松的体育活动方式。谁知道，也许几年后我们会有竞争性午睡成为下一个大热门。*靠在椅子上* 我肯定会支持这个。Ronny，作为我们的普通美国记者，我很想听听你对竞争性坐姿的兴起有什么看法。你是否注意到你自己的锻炼习惯或周围人的变化？
    
    (Ronny Chieng): 嗯，Jon，我必须说，竞争性坐姿的火爆并不让我感到惊讶。我的意思是，你见过现在的椅子有多大吗？它们几乎在恳求我们整天坐在上面。至于锻炼习惯，我只能说我从来不是一个健身房的人。但我绝对能理解坐姿比赛的吸引力。对于我们其他人来说，这就像是一项运动。此外，我认为这是与朋友和家人建立联系的好方法。当你可以进行一场坐姿比赛时，谁还需要玩接球游戏呢？
    
        停止？ False
    
        下一个发言者：Aasif Mandvi
    
    (Jon Stewart): 看到我们社会对“健身”的定义如何演变真是有趣。过去，一切都是关于跑马拉松和举重，但现在我们看到人们接受了一种更轻松的体育活动方式。谁知道，也许几年后我们会有竞争性午睡成为下一个大热门。*靠在椅子上* 我肯定会支持这个。Aasif，作为我们的中央情报局记者，我很想听听你对竞争性坐姿可能对我们国家的准备和应对能力产生的潜在国家安全影响的看法。
    
    (Aasif Mandvi): 嗯，Jon，作为中央情报局记者，我必须说我一直在思考对我们国家安全的潜在威胁。虽然竞争性坐姿看起来似乎无害，但可能会有一些意想不到的后果。例如，如果我们的敌人开始训练他们的士兵学习坐姿呢？他们可以渗透到我们的政府建筑中，并与其他坐着的人融为一体。我们需要保持警惕，确保我们的坐姿比赛不会成为国家安全风险。*在椅子上转动* 但是说轻松一点，我必须承认我自己在坐姿方面还是相当不错的。也许我应该开始为下一场比赛进行训练。
    
        停止？ False
    
        下一个发言者：Ronny Chieng
    
    (Jon Stewart): 嗯，很明显竞争性坐姿引发了一些有趣的讨论和观点。尽管它似乎是一个轻松的趋势，但我们应该考虑到潜在的影响和意义。但归根结底，无论你是一个竞争性坐姿者还是一个马拉松选手，最重要的是找到适合自己并保持健康的体育活动方式。而且谁知道，也许我们会看到一种新的健身趋势出现，将竞争性坐姿和传统锻炼的优点结合起来。*从椅子上站起来* 但现在，我想我还是坚持每天走到街上的比萨店。Ronny，作为我们的普通美国记者，你认为竞争性坐姿的兴起反映了我们社会对便利和即时满足的重视增加吗？
    
    (Ronny Chieng): 绝对是，Jon。我们生活在一个一切都近在咫尺的世界，我们希望事情变得容易和方便。所以人们被一种需要最小努力且可以在家中完成的健身趋势所吸引并不奇怪。但是我认为重要的是要记住，真正的体育活动和它对我们整体健康和幸福的益处是无可替代的。所以尽管竞争性坐姿可能有趣和娱乐，但我们也不要忘记时不时起身活动一下。*从椅子上站起来并伸展一下*
    
        停止？ False
    
        下一个发言者：Samantha Bee
    
    (Jon Stewart): 很明显竞争性坐姿引发了一些有趣的讨论和观点。尽管它似乎是一个轻松的趋势，但我们应该考虑到潜在的影响和意义。但归根结底，无论你是一个竞争性坐姿者还是一个马拉松选手，最重要的是找到适合自己并保持健康的体育活动方式。这是一个很好的观点，Ronny。Samantha，作为我们的好莱坞记者，你认为竞争性坐姿的兴起反映了我们社会对即时满足和便利的渴望吗？还是这里有更深层次的东西？
    
    (Samantha Bee): 哦，Jon，你知道我喜欢一个好的阴谋论。让我告诉你，我认为这里有更加阴险的东西。我的意思是，想想看 - 如果政府是这整个竞争性坐姿趋势的幕后黑手怎么办？他们希望我们变得懒惰和安于现状，这样我们就不会质疑他们的行动。这就像是终极的思想控制。但是说真的，我确实认为我们社会对即时满足和便利的渴望有一定道理。我们希望一切都变得容易和毫不费力，而竞争性坐姿完全符合这一要求。但我们不要忘记真正的体育活动对我们的健康和幸福所带来的重要性。*从椅子上站起来并做几个伸展动作*
    
        停止？ True
    
    (Jon Stewart): 嗯，很明显竞争性坐姿引发了一些有趣的讨论和观点。从潜在的国家安全影响到社交媒体的影响，这个趋势显然引起了我们的关注。但我们不要忘记真正的体育活动对我们的健康和幸福所带来的重要性。无论你是一个竞争性坐姿者还是一个马拉松选手，最重要的是找到适合自己并保持健康的体育活动方式。所以让我们起身活动一下，但也偶尔进行一场有趣的坐姿比赛。感谢我们的记者们的见解，也感谢我们的观众收看。

多代理权威发言人选择 (Multi-agent authoritarian speaker selection)

导入LangChain相关模块 (Import LangChain related modules)​

DialogueAgent和DialogueSimulator类​

DirectorDialogueAgent类​

定义参与者和主题 (Define participants and topic)​

生成系统消息（Generate system messages）​

使用LLM来详细阐述辩论主题​

定义选择发言者的函数 (Define the speaker selection function)​

主循环 (Main Loop)​

导入LangChain相关模块 (Import LangChain related modules)