AutoGPT：无需人类插手，自主完成任务

寂夜清风

有了 Auto-GPT，ChatGPT 已沦为“传统 GPT”

根据官方介绍，Auto-GPT 本质上是一个基于 GPT-4 语言模型所构建的实验性开源应用程序，由 GPT-4 驱动，将大型语言模型 （LLM） 思想串在一起来自主实现任务。

如果说 ChatGPT 的出现让人相信未来 AI 的重要性，Auto-GPT 则将这个想法进一步升华：未来，由自主 AI 驱动的任务将成为常态。因 Auto-GPT 提出的这个可能，导致 ChatGPT 问世不到半年就已沦为许多人口中的“传统 GPT”。

为了验证这种未来的可能性，最近已有不少人下场体验过 Auto-GPT，其中包括微博博主@木遥：“如果你刚开始玩 Auto-GPT 但又没玩明白，你就会焦虑 af，像我一样。”

本来，木遥只是想让 Auto-GPT 解释一下 LangChain（一个围绕大型语言模型的应用开发框架）的用法，结果 Auto-GPT 直接来了一整套操作（这一系列步骤都是它自己串起来的，无需人类介入），连 LangChain 都安装了：

▶ 首先试着直接去 LangChain 官网爬信息。

▶ 被官网拒绝了，可能因为有屏蔽。

▶ 发现失败了之后想了想，说要不 Google 一下？

▶ Google 出了很多结果。

▶ 读了半天这些结果，说「现在我们已经搜集了不少有用的信息了，接下来让我们安装它玩一下」

▶ 然后就开始动手在我的电脑上安装 LangChain……

面对行动力如此“爆表” Auto-GPT，木遥忍不住感慨：“我坐在屏幕前看着这一切自动在我眼前发生，心想，我要是有它这个行动力，三个 PhD 都念完了。”

除此之外，Globus 创始人安替（Michael Anti）也分享了一个不错的 Auto-GPT 使用案例：“假设你是华为的公关，分析最近国际报道，看看下一步要改善的动作。”

对于 Auto-GPT 的表现，安替（Michael Anti）评价道：“奇点算是到了吧，又有很多行业要死了吧？”

整体来看，Auto-GPT 就像是一个机器人助理，你只需下达任务，它便会自己看着完成。但 Auto-GPT 真就完美无缺、无懈可击吗？

事实证明，至少现阶段还远远不是——Jina AI 的创始人兼 CEO 肖涵表示：“在我们庆祝 Auto-GPT 的快速崛起时，退后一步并仔细检查其潜在的缺点至关重要。”

现阶段，Auto-GPT 仍有缺陷

为说明目前 Auto-GPT 的不足之处，肖涵先大致分析了一波原理，即 Auto-GPT 主要由四部分组成：

（1）架构：Auto-GPT 是使用强大的 GPT-4 和 GPT-3.5 语言模型构建的，它们作为机器人的大脑，帮助它思考和推理。

（2）自主迭代：类似于机器人从错误中学习的能力。Auto-GPT 可以回顾其工作，在之前的工作基础上再接再厉，并利用其历史记录生成更准确的结果。

（3）内存管理：与矢量数据库（一种内存存储解决方案）集成，使 Auto-GPT 能够保留上下文并做出更好的决策，类似于为机器人配备长期记忆以记住过去的经历。

（4）多功能性：Auto-GPT 的功能（例如文件操作、Web 浏览和数据检索）使其用途广泛，并使其与有别于以往的 AI 迭代，就像赋予机器人多种技能来处理更广泛的任务。

基于其组成原理，肖涵指出现阶段 Auto-GPT 面临的五个重要局限：

▶ 成本高昂

虽然 Auto-GPT 具有卓越的功能，但由于任务是通过思维链完成的，为提供更好的推理和提示，每一步都需要调用昂贵的 GPT-4 模型，这通常会最大化 token，也就带来了过高的成本。

对此，肖涵估算了一个小任务的花费：Auto-GPT 平均需要 50 个步骤来完成一个小任务，即成本为 50* 0.288=14.4 美元（约人民币 98.5 元）。

▶ 不知变通

可能会有人觉得只要 Auto-GPT 能完成任务，这 14.4 美元倒也不亏。但问题是，这 14.4 美元是一次性的：哪怕你只想修改一个很小的任务条件，也需要再次支付 14.4 美元。

肖涵指出：“一旦生成过解决方案，再次花费相同的金额来调整参数似乎不合逻辑。这揭示了 Auto-GPT 的一个基本问题：它无法将开发和生产区分开来。”

▶ 容易陷入死循环

更要命的是，这 14.4 美元还可能“打水漂”。许多用户报告说：Auto-GPT 经常陷入循环，导致其无法解决实际问题。

“我昨天多次使用它，我发现…它从未完成过一项任务。它总是去深入挖掘、做更多的研究，但从来没有真正完成一个目标。我就放着让它持续循环了几个小时。”

▶ 矫枉过正

Auto-GPT 依靠矢量数据库来进行更快的 K 最近邻（KNN）搜索，但肖涵表示这是一种矫枉过正的做法：“很多情况下，穷举搜索就足够有效了，只需不到一秒钟即可完成。相比之下，每个 GPT-4 调用大约需要 10 秒来处理，这使得系统受 GPT 约束而不是数据库约束。”同时，这也会带来成本的增加。

▶ 代理机制不完善

Auto-GPT 引入了一个很有趣的概念，即允许生成代理来委派任务。然而，肖涵认为这还不够完善：“这一机制仍处于早期阶段，其潜力在很大程度上仍未得到开发。”

“又贵又慢，AI 摸鱼？”

对于以上总结的几点 Auto-GPT 缺陷，实际上早有不少用户在抱怨，还搞出了一些“闹剧”：

同时，Auto-GPT 的处理速度也引来吐槽，有点“AI 摸鱼”的意思：

不过即便如此，Auto-GPT 还是令许多人对未来 AI 的发展趋势充满期待：

▶ “想象一下，你手里有一个 AI 代理，可以随时随地执行命令。我相信未来才刚刚开始！”

▶ “这种自我改进的 AI 代表了真正 AGI 的第一个火花。”

▶ “Auto-GPT 的确揭露了使用 GPT 的正确姿势。”

那么，你对于 Auto-GPT 又有什么看法呢？

参考链接

https://weibo.com/1644684112/MBK3WCt8o

https://jina.ai/news/auto-gpt-unmasked-hype-hard-truths-production-pitfalls/

https://twitter.com/mranti/status/1646430121904013312?cxt=HHwWgIC8uaDepdktAAAA

本文来自微信公众号https://mp.weixin.qq.com/s/Pig7DGqXUep8Ex-5CItnuQ，

作者：郑丽媛 ，

寂夜清风

教程

https://bytexd.com/getting-start ... inners-setup-usage/


或是
https://github.com/Torantulino/Auto-GPT

寂夜清风

4月13日消息，近日，代码托管平台GitHub上线了一个新的基于GPT-4的开源应用项目AutoGPT，凭借超42k的Star数在开发者圈爆火。

GitHub地址：

https://github.com/Torantulino/Auto-GPT

AutoGPT能够根据用户需求，在用户完全不插手的情况下自主执行任务，包括日常的事件分析、营销方案撰写、代码编程、数学运算等事务都能代劳。比如某国外测试者要求AutoGPT帮他创建一个网站，AutoGPT就直接调用React框架生成了一个前端页面。

特斯拉前AI总监、现OpenAI技术大牛安德烈·卡尔帕西（Andrej Karpathy）称，AutoGPT是“提示工程的下一个前沿”。因为同基于GPT-4的ChatGPT非常依赖人们输入提示词来完成任务，AutoGPT则将中间的多轮提问环节交给机器，因此有人称AutoGPT将会替代ChatGPT。

01. 解决复杂任务无需人为干预, GitHub上已有42万星标

AutoGPT是一个开源的AI代理Python应用程序，由开发人员Significant Ggravitas近日发布在GitHub上，它使用GPT-4作为驱动基础，允许AI自主行动，完全无需用户提示每个操作，30分钟内就可以完成设置，以设置和入门的简便性在用户中大受欢迎，目前GitHub Star量已超过42k。

AutoGPT最大的特点就在于能全自动地根据任务指令进行分析和执行，自己给自己提问并进行回答，中间环节不需要用户参与。

如果说ChatGPT是服从用户指令，用户让它干什么它就干什么，那AutoGPT就是“自己觉得应该干什么就干什么”，它就像是一个遇到不懂的问题能自行去百度的人类。

用户可以为AutoGPT设定总体目标，然后让它逐步采取措施来一一实现目标，这就是“AI代理”概念的由来，它完全自动执行操作。

目前AutoGPT已经配备的功能包括：联网搜集信息；存储信息；生成用于文本生成的GPT-4实例；使用GPT-3.5总结信息。

人们目前正在探索AutoGPT的各种玩法，在Twitter上有位用户演示了一个简单的例子，让AutoGPT开发电子商务业务，它能代替人自动去浏览互联网来寻找商业创意，并将其发现保存到文件中以供日后参考。

除了自动搜集信息完成指令，编码对它而言也不在话下，另一位用户要求它分析、重写并保存代码，它也顺利完成。

卡尔帕西称：“AutoGPT是提示工程的下一个前沿领域。”他认为，一个GPT调用就像是计算机上的一个指令，可以被串联成程序，使用提示来定义I/O设备和工具规格，定义认知循环，在上下文中分页数据输入和输出再运行。

02. 30分钟完成设置打造一款属于自己的AI助手

用户在开始之前，需要确保对终端命令有基本的了解，并需要完成以下步骤：1、设置Git；2、安装Python；3、下载Docker桌面；4、获取OpenAI API密钥，还使用提供的链接来访问，链接如下：

Docker：

https://www.docker.com/products/docker-desktop/

OpenAI API：

https://platform.openai.com/account/api-keys

Python：

https://www.python.org/downloads/

安装具体步骤如下：

1、用户首先需要从GitHub克隆AutoGPT存储库；

1. git clone https://github.com/Torantulino/Auto-GPT
   

复制代码

导航到新创建的文件夹，其中包含：

2、在自动GPT文件夹中，找到该文件并插入OpenAI API密钥。接下来，复制该文件并将其重命名为  .env.template.env

3、运行以下命令以安装所需的Python包；

4、确保Docker正在运行，无需下载任何容器，只需确保程序处于活动状态即可；

5、在运行AutoGPT前，先执行命令：

1. Python scripts/main.py

复制代码

对于连续模式，使用：

1. Python scripts/main.py—Continuous

复制代码

6、在设定目标时，先从简单的目标开始测试，太复杂的目标可能会导致AI无法输入任何内容；

7、AutoGPT可以保存文件，用户只需要引导它朝着正确的方向来保存分析即可。

03. 结语：自问自答的AutoGPT全自动更新迭代已实现

AutoGPT虽然目前还只是一款实验性的开源工具，但是已再次向外界展示了GPT-4大语言模型无边际的强大潜力。

当一款AI工具能自动完成优化代码、搜集信息、自动查找并修改Bug时，或许也意味着它未来也将通过编程来不断加强自己的能力，人工智能所能达到的边界再一次被拓展。

来源：GitHub官网、medium

本文来自微信公众号“智东西”（ID：zhidxcom），作者：菲凝，