L2MAC（Large Language Model Automatic Computer）是一个基于LLM的通用存储程序自动计算机框架，采用冯·诺依曼架构，用于LLM多智能体系统。它旨在通过生成大量且一致的输出来解决复杂任务，不受LLM固定上下文窗口约束。该框架于2024年4月23日完全开源，并在ICLR 2024上展示。
用途：L2MAC擅长解决大型复杂任务，例如生成大型代码库或撰写整本书籍，这些任务通常受限于LLM的固定上下文窗口。它能够从单行输入提示生成广泛且大量的输出，例如生成整个复杂代码库。
主要能力：L2MAC内部使用提示程序（prompt-program），即一系列提示，每个提示提供要执行的指令步骤。除非明确给出，提示程序是自生成（自举）并执行的。每个指令步骤被加载到一个新的LLM智能体中执行，其上下文由控制单元管理，并提供工具以便读写持久内存（文件存储），其中包含最终和中间输出。这使得它能够自动执行通用提示程序来解决需要大量连贯输出的复杂任务，输出不受LLM底层上下文窗口约束。
使用方式：确保系统安装Python 3.7+，可使用conda创建环境：conda create -n l2mac python=3.9 && conda activate l2mac。详细安装指南请参考安装文档。可通过运行命令初始化L2MAC配置，或手动创建~/.L2MAC/config.yaml文件。根据示例和文档配置~/.l2mac/config.yaml。安装后，可使用L2MAC CLI或作为库使用。
适用场景：L2MAC适用于生成大型复杂代码库（如整个应用程序）、撰写整本书籍等。示例包括：可玩的贪吃蛇游戏（使用pygame）、大型复杂URL缩短Web应用、意大利面食谱书（26页）、可玩的21点CLI游戏。
限制：暂未提供明确限制信息。但根据描述，L2MAC依赖于LLM，可能受LLM本身能力限制。
性能：在HumanEval基准测试中达到90.2% Pass@1，在全球编码行业标准排行榜上排名第三。与AutoGPT和GPT-4相比，L2MAC在保留用户指定功能需求、文件访问和错误纠正方面表现更优。
联系信息：如有问题或反馈，可联系sih31@cam.ac.uk，或在GitHub仓库创建issue，将在2-3个工作日内回复。关注Twitter @samianholt获取最新研究动态。
