1.引言
ChatGPT在当下已经风靡一时，作为自然语言处理模型的佼佼者，ChatGPT的优势在于其能够生成流畅、连贯的对话，同时还能够理解上下文并根据上下文进行回答。针对不同的应用场景可以进行快速定制，例如，在客服、教育、娱乐等领域中，ChatGPT可以作为智能助手为用户提供便捷的服务和娱乐体验。
从GPT-3到GPT-4，我们可以看到在高级推理，输入设置，微调行为和理解更长的上下文信息等方面，ChatGPT在不断的优化训练中已经取得了显著的进展。
但是针对于这种交互式的GPT模型，我们更希望看到能像电影里的人工智能，拥有自我意识，可以进行自我学习和进化。不需要通过频繁的引导和交互，我们只需要简单提出一个目标，AI就能自主的完成所有的执行规划和逻辑处理，并不断进行自我论证和优化，最后完成我们提出的目标。
那么今天它来了，它就是ChatGPT的进化版本：AutoGPT。
![图片]()
2.什么是AutoGPT？
AutoGPT 是一个实验性开源应用程序，它利用 OpenAI 的GPT-4语言模型来创建完全自主和可定制的 AI 代理。它于 2023 年 3 月 30 日由 Toran Bruce Richards 发行。
Toran 是一名游戏开发商，并创立了一家名为 Significant Gravitas 的游戏公司。
在短短的一个多月时间里，AutoGPT的Git项目已经获得了超过12万的star，作为 GPT-4 完全自主运行的首批示例之一，AutoGPT 突破了 AI 的可能性界限。
![图片]()
与其他 AI 工具相比，AutoGPT 是独一无二的，因为它独立运行，这意味着你不再需要操纵模型来满足你的需求。相反，你只需要写下你的目标，然后 AI 会为你完成剩下的工作。因此，AutoGPT 从根本上改变了 AI 与人类之间的交互方式，人类不再需要发挥积极作用，同时仍然保持与 ChatGPT 等其他 AI 应用程序相同或更好的结果质量。
3.AutoGPT 如何工作？
AutoGPT 基于自主 AI 机制工作，其中 AI 系统创建不同的 AI 代理来满足特定任务，其中包括：
- 任务创建代理： 当你在 AutoGPT 上输入目标时，第一个与任务创建代理交互的 AI 代理。根据你的目标，它将创建一个任务列表以及实现这些目标的步骤，并将其发送给优先级代理。
- 任务优先级代理： 收到任务列表后，优先级 AI 代理会确保顺序正确且符合逻辑，然后再将其发送给执行代理。
- 任务执行代理： 完成优先级排序后，执行代理将一个接一个地完成任务。这涉及利用 GPT-4、互联网和其他资源来获得结果。
![图片]()
上述代理之间相互通信。所以当执行代理完成所有任务，结果不理想时，它可以与任务创建代理通信，创建新的任务列表。三个代理之间的迭代循环，直到完成所有用户定义的目标。
AI 代理的行为也显示在用户界面上，将它们分为四组：思想、推理、计划、评判。
- 思想（THOUGHTS） ：AI 代理分享它对目标的想法。
- 推理（REASONING） ：AI 代理推理如何开展并实现它的想法。
- 计划（PLAN） ：AI代理通过分析，列举了所要完成任务的计划。
- 评判（CRITICISM） ：AI进行自我评判，纠正错误并克服任何限制问题。
通过共享此计算流程，AutoGPT 可以进行反复尝试论证，并进行针对性的优化处理，可以在没有任何用户干预的情况下克服所遇到的所有问题。
3.AutoGPT和ChatGPT的对比？
虽然底层的 LLM 模型是相同的，但是 AutoGPT 和 ChatGPT 之间还是有不少区别。
3.1 实时洞察
ChatGPT 使用的最新 GPT-4 模型是在与 GPT-3.5 相同的数据上训练的，该数据仅到 2021 年 9 月，你无法使用 ChatGPT 获得实时数据信息，因为你无法访问网站和在线平台来获取信息和提取信息。
相比之下，AutoGPT 可以访问互联网。它不仅可以上网冲浪，还可以验证来源是否合法。此外，AutoGPT 可以访问任何平台来执行任务。例如，如果你要求 AI 研究销售产品的前景并发送外联电子邮件，它会直接使用你的 Gmail 帐户起草并发送电子邮件。
3.2 内存管理
上下文窗口对于语言模型给出准确答案非常重要。但在像 GPT-4 这样的 LLM 中，窗口有 4000 到 8000 个令牌的限制。因此，如果要求超出限制，模型可能无法正确遵循所有指令，或者可能偏离正切并提供不可靠的输出。
相比之下，AutoGPT 擅长短期和长期内存管理。通过使用数据库，本地Cache和Redis进行内存管理，可以存储大量上下文信息或以前的经验，让AI模型做出更好的决策。
3.3 图像生成
AutoGPT 能够生成图像，因为它可以使用多种图像生成引擎，默认使用DALL-E 。如果你想为你的 AI 代理启用图像生成功能，你需要访问 DALL-E 的 API。尽管是多模式输入方式，但此功能目前在 ChatGPT-4 中不可用。
3.4 文字转语音
你可以通过在命令行中键入python -m autogpt --speak在 AutoGPT 上启用文本到语音转换。但是每次与 AutoGPT 交互时都必须输入命令。你还可以通过将 AutoGPT 连接到多功能 AI 语音软件 Eleven Labs，为语音添加不同的声音。
4.AutoGPT 的局限性
毫无疑问，自主性为AI系统增加了一个新的维度。同时，我们也不能忽视AutoGPT的局限性和风险。下面列出了你必须知道的一些关键限制。
4.1 成本高昂
虽然功能令人惊叹，但 AutoGPT 的实用性可能会让你失望。由于 AutoGPT 使用昂贵的 GPT-4 模型，因此即使是小任务，完成每个任务的成本也可能很高。这主要是因为 AutoGPT 在特定任务的步骤中会多次使用 GPT-4。
4.2 经常陷入循环
用户在使用 AutoGPT 时面临的最常见问题是它陷入循环。如果这种情况持续超过几分钟，则可能意味着你必须重新启动该过程。发生这种情况是因为 AutoGPT 依赖 GPT-4 来正确定义和分解任务。因此，如果底层LLM返回结果不足以让 AutoGPT 采取任何行动就会出现反复尝试的问题。
4.3 数据安全性
由于AutoGPT经过充分授权，能自主运行并访问你的系统和互联网，例如使用你的twitter账号，登录github，使用搜索引擎等，因此你的数据可能会被泄露。AutoGPT没有安全代理，所以你在使用 AutoGPT 时必须小心，如果没有给出正确的说明和安全指南，你不能让模型继续运行。**
5.如何安装 AutoGPT？
与其他人工智能工具不同，AutoGPT 没有简单的注册程序来访问其平台和功能。在开始使用 AutoGPT 之前，你必须下载各种软件以满足要求。以下是详细的步骤要求：
首先你需要有一个Git账号，同时需要安装Python3.1.0或者更高版本，此外你必须还能熟练使用常用的shell命令或者有Docker容器进行项目启动和配置。
如果你还没有，请创建一个 OpenAI 帐户（当然如果你在国内想要创建账号不是一件简单的事情，你可以参考网上其他文章进行账号申请）。打开OpenAI帐户后，打开_USER - API keys_转到 API 密钥选项卡。你将看到一个用于创建密钥的选项。单击它，然后复制密钥。
![图片]()
（1）clone项目
打开命令行工具通过命令git clone https://github.com/Torantulino/Auto-GPT.git 将项目clone到本地
![图片]()
（2）执行安装
通过命令cd Auto-GPT && ls -al进入目录后，可以看到有很多的文件，其中一个文件是 requirements.txt。在此文件中，你将看到运行 AutoGPT 所需的模块。
![图片]()
要安装这些模块，可以使用命令pip install -r requirements.txt 进行下载安装。
![图片]()
（3）修改配置
通过命令vim .env.template 进行open-api-key的配置(修改并替换your-openai-api-key)，配置完成后执行mv .env.template .env 使配置生效
![图片]()
其他相关的配置可以参考表格按需进行
| LLM PROVIDER |
可以配置OPENAI_API_KEY，是否使用AZURE |
| LLM MODEL SETTINGS |
可以配置openAI提供的token限制，避免过度调用成本浪费 ，默认4000-8000 |
| LLM MODELS |
LLM 底层语言模型，默认可以选择GPT-4或者gpt-3.5-turbo |
| MEMORY |
内存管理，可以配置local，redis，PINECONE，MILVUS等 |
| IMAGE GENERATION PROVIDER |
图像生成，可以配置图像大小和图像生成引擎：dalle，HUGGINGFACE，STABLE DIFFUSION WEBUI |
| AUDIO TO TEXT PROVIDER |
语音转文字，可以配置HUGGINGFACE |
| GIT Provider for repository actions |
github配置，通过配置github api key用于访问和管理github |
| WEB BROWSING |
搜索引擎管理，可以配置不同的浏览器：firefox，chrome，safari，搜索引擎：google等授权open api用于访问互联网获取信息和管理访问深度 |
| TTS PROVIDER |
文本转语音，可以配置MAC OS，STREAMELEMENTS，ELEVENLABS来进行文本转语音 |
| TWITTER API |
twitter账号管理，管理配置你的twitter账号，配置token用于访问对应的api |
| AUTO-GPT - GENERAL SETTINGS |
AutoGPT的一些默认配置，例如存放目录，开关，user Agent ，AI settings等 |
（4）开始使用
在完成以上配置以后，就已经完成了AutoGPT的基本配置，这时候就可以通过命令python -m autogpt 开启你的AutoGPT之旅 ！
![图片]()
从上图可以看出，AutoGPT需要你为AI取一个名字[Name]，一个角色定位[Role]，同时你可以为它制定目标[Goals]（最多5个目标，如果你仅有一个目标就直接回车）。
在你制定完成目标以后，AutoGPT会进行自主思考并分析你的目标[THOUGHTS]，思考完成后开始理解并推理如何去完成这个目标[REASONING]，然后开始自主拆解成具体的计划[PLAN]，最后会提出评判[CRITICISM] 用以保证 AI 代理纠正错误并作出正确的决断。
完成以上的行为规划后，AutoGPT会提示它将要作出的指令和动作[NEXT ACTION]， 里面包含具体执行的命令[COMMAND]和参数[ARGUMENTS]，用户可以在此时可以对风险命令进行识别，避免出现数据泄露等预期外的风险，这里可以通过y或者n进行授权或者拒绝AutoGPT接下来的指令动作。
![图片]()
AutoGPT会通过以上步骤，进行多次循环，由于AutoGPT可以存储上下文和历史经验，所以每一次都会根据反馈结果进行更深入的思考，制定出更优的方案，最后列举他要执行的计划，反复尝试和补充，直到达到你预期的目标。
AutoGPT会通过以上步骤，进行多次循环，由于AutoGPT可以存储上下文和历史经验，所以每一次都会根据反馈结果进行更深入的思考，制定出更优的方案，最后列举他要执行的计划，反复尝试和补充，直到达到你预期的目标。
（5）Docker使用
当然，你也可以使用docker运行 ：
// 最简单的方式就是通过docker-compose
docker-compose build auto-gpt
docker-compose run --rm auto-gpt
// 使用docker命令构建
docker build -t auto-gpt .
docker run -it --env-file=.env -v $PWD:/app auto-gpt
你可以传递额外的参数，例如，运行方式--gpt3only和--continuous模式：
// docker-compose
docker-compose run --rm auto-gpt --gpt3only --continuous
// docker
docker run -it --env-file=.env -v $PWD:/app --rm auto-gpt --gpt3only --continuous
6.总结
与传统的文本生成技术相比，我们发现AutoGPT的能力进化令人震惊，它可以通过分析你的目标，自动拆解成它需要执行的任务，并在执行的过程中根据已有的经验和决策不断优化完善和总结，同时AutoGPT获取信息的手段也非常丰富，它能通过搜索引擎搜索，github，网页工具等渠道下载和提炼所需要的信息，通过本地缓存，语音转化，图像生成等插件能力，最终完成你所设立的目标。这种自我意识，自我迭代和更新的形态已经非常接近于电影《流浪地球》里的moss这种人工智能！
最后问题来了，这篇文章是AutoGPT自动生成的吗？
文：Leo
线下活动推荐：
时间： 2023年6月10日（周六） 14:00-18:00主题： 得物技术沙龙总第18期-无线技术第4期地点： 杭州·西湖区学院路77号得物杭州研发中心12楼培训教室（地铁10号线&19号线文三路站G口出）
活动亮点： 本次无线沙龙聚焦于最新的技术趋势和实践，将在杭州/线上为你带来四个令人期待的演讲话题，包括：《抖音创作工具-iOS功耗监控与优化》、《得物隐私合规平台建设实践》、《网易云音乐-客户端大流量活动的日常化保障方案实践》、《得物Android编译优化》。相信这些话题将对你的工作和学习有所帮助，我们期待着与你共同探讨这些令人兴奋的技术内容！
点击报名： 无线技术沙龙
本文属得物技术原创，来源于：得物技术官网
未经得物技术许可严禁转载，否则依法追究法律责任！
