AutoGPT - 个人全自动AI助手

简介: 最近一款基于GPT-4的最强语言模型AutoGPT火遍了整个AI圈,是目前为数不多的完全自主运行的人工智能之一,它会根据你提的目标来制定计划,然后自己执行完整个计划,整个过程自动化的能力非常的强。

最近一款基于GPT-4的最强语言模型AutoGPT火遍了整个AI圈,是目前为数不多的完全自主运行的人工智能之一,它会根据你提的目标来制定计划,然后自己执行完整个计划,整个过程自动化的能力非常的强。


![](http://rvn8yitl2.hn-bkt.clouddn.com/stars.png)

## 问题驱动 人工(ManualGPT的局限


众所周知,此前爆火AI圈的ChatGPT,唯一不太好用的地方就是需要人类不断的prompt。因此,如果你想要ChatGPT帮你去做一件复杂的事情,那么怎么提问时一件很麻烦的事情。而AGI的目标就是让机器能够像人类一样,能够自己去做事情,而不是需要人类不断的提问。


![](http://rvn8yitl2.hn-bkt.clouddn.com/issues.png)

## AutoGPT 诞生 - 基于GPT-4的全自动AI助手


原名 EntreprenurGPT(创业者GPT),Significant Gravitas创造的一个基于GPT4实验项目


**核心思想**:不停的向GPT-4发送请求,让其做商业决策,最后根据这个决策执行,看GPT-4给的策略能挣多少钱!!

![](http://rvn8yitl2.hn-bkt.clouddn.com/git.png)

比如AutoGPT敏锐地发现了加州洪水淹没农田,造成食物价格上涨。


![](http://rvn8yitl2.hn-bkt.clouddn.com/biz.png)

## 如何实现 Auto(自动化)?


### 基于Commands命令的无限扩展能力


AutoGPT将联网、搜索、网页爬虫、文件操作、GITPMS等多元能力封装成一致的Command接口,为处理复杂的多样化任务提供了技术基础,以此打破数据局限和功能局限。


![](http://rvn8yitl2.hn-bkt.clouddn.com/cmds.png)
![](http://rvn8yitl2.hn-bkt.clouddn.com/cmds-ok.png)

### 多种记忆介质


AutoGPT支持本地文件系统、Redis、向量数据库(Pinecone)等多种记忆介质,用于保存历史prompt等多种数据,以此打破无状态的设计局限,实现更加强大的记忆能力。


![](http://rvn8yitl2.hn-bkt.clouddn.com/stores.png)
![](http://rvn8yitl2.hn-bkt.clouddn.com/stores-ok.png)

### 基于任务的自驱系统


类似与OKR的工作机制,AutoGPT基于目标智能设定任务,并有序执行和校验,层层递进,直到工作初始目标达成,以此打破人工驱动的局限。


![](http://rvn8yitl2.hn-bkt.clouddn.com/okr.png)
![](http://rvn8yitl2.hn-bkt.clouddn.com/okr-ok.png)

#### 核心问题 1:理解人类给它设定的角色和目标


AutoGPT利用机器学习中的无监督学习(零样本学习)Zero Shot Learning来理解设定的角色和目标,即根据一些描述或者定义学习到一个新的概念,然后用这个概念再来生成新的内容,降低收集和标注数据的需求。


![](http://rvn8yitl2.hn-bkt.clouddn.com/zsl.png)

#### 核心问题 2:根据目标拆解任务


AutoGPT 利用机器学习中的多任务学习(Multi-task Learning, MTL)来不断的拆解任务:在单个学习过程中同时学习多个相关任务,即通过让模型共享不同任务之间的底层表示(例如,特征、权重等),实现知识的泛化、共享和迁移。


![](http://rvn8yitl2.hn-bkt.clouddn.com/多任务学习.png)

#### 核心问题 3:如何生成中间Prompt

短期学习(Fuel Short LearningFSL):采用元学习、数据增强、预训练模型等策略,从有限的样本中学习有效的知识。


Auto GPT 根据设定的目标和任务以及存储在数据库中的数据(历史),不断为 GPT-4 生成合适的提示。


![](http://rvn8yitl2.hn-bkt.clouddn.com/短期学习.png)

#### 核心问题 4:评估任务达成效果


元学习(Meta-learningML) :让模型学会自我学习,以适应不断变化的新任务、新情况。


AutoGPT通过自我评估和改进,从而实现更复杂和多步骤的任务,降低对人类提示的依赖。


![](http://rvn8yitl2.hn-bkt.clouddn.com/元学习.png)

### 完全自主的智能体


AutoGPT 遵循thoughtsreasoningplancriticism的过程,给出一个有条理的、可实施的行动方案,并请求进行行动。


![](http://rvn8yitl2.hn-bkt.clouddn.com/agi-1.png)
![](http://rvn8yitl2.hn-bkt.clouddn.com/agi-2.png)

## 安装部署


AutoGPT 支持直接源码安装,也支持Docker虚拟化,推荐后者,因为可能涉及到文件系统命令,丢失或修改重要文件,影响宿主系统稳定性。


步骤


- 安装Docker & Docker Compose以支持docker虚拟化,桌面版地址

- 创建Open API Key,并配置 .env
- 创建`docker-compose.yaml`配置文件

- 启动 `docker-compose run --rm auto-gpt`

![](http://rvn8yitl2.hn-bkt.clouddn.com/deploy.png)

## AutoGPT 测试 —— NVIDIA投资报告


设定角色role:一个用于分析上市公司的AI

拆分目标(Goal):


- 查询NVIDIA公司最新的财务数据。

- 查询关于NVIDIA公司的最新投资报告。

- 综台以上信息,对于是否应该买入NVIDIA给出一个可行的投资建议。

- 将报告用中文输出为txt文件。


![](http://rvn8yitl2.hn-bkt.clouddn.com/test.png)

测试结果


![](http://rvn8yitl2.hn-bkt.clouddn.com/report.png)

## Plugins 插件机制


AutoGPT支持插件机制,以提高扩展能力,如Bing搜索、新闻榜单等。


![](http://rvn8yitl2.hn-bkt.clouddn.com/plugins.png)

## 不够成熟,但潜力无限


AutoGPT当前仍处于实验阶段,也存在诸如成本高昂等固有问题,但是它的潜力无限,是AI发展的未来趋势。


![](http://rvn8yitl2.hn-bkt.clouddn.com/不足.png)

![](http://rvn8yitl2.hn-bkt.clouddn.com/不足2.png)

## AutoGPT产品 -  [AgentGPT](https://agentgpt.reworkd.ai/zh)

基于AutoGPT的在线智能体,无需进行本地部署,对于使用者来说更加友好。可以自动为任务添加task,并依次解决。


![](http://rvn8yitl2.hn-bkt.clouddn.com/agent-gpt1.png)
![](http://rvn8yitl2.hn-bkt.clouddn.com/agent-gpt2.png)

## AutoGPT产品 -  [BabyAGI](https://github.com/yoheinakajima/babyagi)

BabyAGI 是人工智能任务管理系统,使用 OpenAI Pinecone API 来创建任务、确定任务的优先级和执行任务,是任务驱动自主代理的精简实现


![](http://rvn8yitl2.hn-bkt.clouddn.com/BabyAGI1.png)
![](http://rvn8yitl2.hn-bkt.clouddn.com/BabyAGI-2.png)

## AutoGPT产品 -  [GodMode](https://godmode.space/)

Godmode 是一个网络平台,可以访问 AutoGPT BabyAGI 的强大功能。AI 代理仍处于起步阶段,但它们的能力正在迅速增长, Godmode 能够让更多的人即使在这个早期阶段也能利用自主 AI 代理。


![](http://rvn8yitl2.hn-bkt.clouddn.com/GodMode.png)

## AutoGPT产品 -  [HuggingGPT](https://huggingface.co/spaces/microsoft/HuggingGPT)

又名JARVIS,微软推出的连接LLMML社区的AGI系统,目标是通过一个 ChatGPT 控制所有 AI 模型,自动帮人选择模型,完成 AI 任务。


HuggingGPT 就能帮你自动分析需要哪些 AI 模型,然后直接去调用 HuggingFace 上的相应模型,来帮你执行并完成。


![](http://rvn8yitl2.hn-bkt.clouddn.com/HuggingGPT.png)

## 参考


- [PPT](https://pan.baidu.com/s/1ID7tOtxk_y0TJrWA8N-K1w?pwd=7t4q)
- [高质量书签](https://pan.baidu.com/s/1XFLkXHbK8AXVMG7vQ5yGDg?pwd=86by)
- [书签管理插件 - Flash Switcher](https://sourl.cn/PPtsEZ)











相关文章
|
4月前
|
人工智能 Linux API
【AI大模型应用开发】【AutoGPT系列】1. 快速上手 - 运行原生AutoGPT or 利用AutoGPT框架开发自己的Agent
【AI大模型应用开发】【AutoGPT系列】1. 快速上手 - 运行原生AutoGPT or 利用AutoGPT框架开发自己的Agent
220 0
|
4月前
|
存储 人工智能 开发框架
【AI大模型应用开发】【AutoGPT系列】0. AutoGPT概念及原理介绍 - Agent开发框架及ReAct方法
【AI大模型应用开发】【AutoGPT系列】0. AutoGPT概念及原理介绍 - Agent开发框架及ReAct方法
163 0
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
AutoGPT 横空出世,会成为 AI 领域中的下一大趋势吗?
AutoGPT 横空出世,会成为 AI 领域中的下一大趋势吗?
|
存储 人工智能 机器人
任务拆解,悠然自得,自动版本的ChatGPT,AutoGPT自动人工智能AI任务实践(Python3.10)
当我们使用ChatGPT完成某些工作的时候,往往需要多轮对话,比如让ChatGPT分析、翻译、总结一篇网上的文章或者文档,再将总结的结果以文本的形式存储在本地。过程中免不了要和ChatGPT“折冲樽俎”一番,事实上,这个“交涉”的过程也可以自动化,AutoGPT可以帮助我们自动拆解任务,没错,程序能做到的事情,人类绝不亲力亲为。 我们唯一需要做的,就是告诉AutoGPT一个任务目标,AutoGPT会自动根据任务目标将任务拆解成一个个的小任务,并且逐个完成,简单且高效。
|
6天前
|
机器学习/深度学习 人工智能 搜索推荐
AI与未来医疗:革命性的技术,触手可及的健康
本文探讨了人工智能(AI)在医疗领域的应用及其潜力。从诊断辅助、个性化治疗到药物研发,AI正在改变我们理解健康和疾病的方式。同时,本文也讨论了AI面临的伦理挑战和数据隐私问题,呼吁建立相应的法律法规来保障患者权益。最后,本文对AI在未来医疗中的角色进行了展望,认为AI将继续推动医疗领域的创新和发展。
28 8
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在自然语言处理中的应用
【9月更文挑战第17天】本文主要介绍了AI技术在自然语言处理(NLP)领域的应用,包括文本分类、情感分析、机器翻译和语音识别等方面。通过实例展示了AI技术如何帮助解决NLP中的挑战性问题,并讨论了未来发展趋势。
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
AI与未来医疗:技术的革新与挑战
随着科技的不断进步,人工智能(AI)在医疗领域的应用逐渐深入。本文探讨了AI在未来医疗中的潜力、面临的挑战以及其可能带来的伦理和社会影响。通过分析当前AI技术在医疗中的具体应用,如诊断、治疗和患者管理等方面,揭示其如何提高医疗服务的效率和准确性。同时,讨论了数据隐私、算法透明度等关键问题,强调了制定合理政策和规范的重要性。最后,提出了未来研究的方向和建议,以期为AI与医疗行业的深度融合提供参考。
20 1
|
6天前
|
机器学习/深度学习 人工智能 搜索推荐
AI与未来医疗:革命性的技术,重塑健康格局
本文探讨了人工智能(AI)在医疗领域的应用及其对未来健康的深远影响。通过分析AI在疾病诊断、治疗和预防方面的具体案例,揭示了这一技术如何提升医疗服务的效率和准确性,并展望了AI在未来医疗中的潜力。
26 1
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
【9月更文挑战第4天】赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
赋能百业:多模态处理技术与大模型架构下的AI解决方案落地实践
|
3天前
|
人工智能 云栖大会
AI Infra的前沿技术与应用实践 | 2024云栖大会预告
AI Infra的前沿技术与应用实践 | 2024云栖大会