【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

简介: 【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
  • 大家好,我是同学小张,日常分享AI知识和实战案例
  • 欢迎 点赞 + 关注 👏,持续学习持续干货输出
  • 一起交流💬,一起进步💪。
  • 微信公众号也可搜【同学小张】 🙏

本站文章一览:


上篇文章中,我们了解了AutoGPT的概念和原理。今天,我们来学习如何上手使用AutoGPT。

AutoGPT目前好像没有了利用 pip install 来安装python包的使用方式?

文章目录

0. 环境搭建

我是Windows系统,需要使用 wsl 进行安装,Linux或者Mac直接用命令行即可。

0.1 Windows系统安装方式

(1)将AutoGPT clone到电脑WSL系统内部某个文件夹内,而不是clone到Windows系统的某个文件夹内(这个容易失败,后面2.2为此种失败的尝试)。在某个路径文件夹下执行:

git clone https://github.com/Significant-Gravitas/AutoGPT.git

(2)进入你的本地目录

cd xxx/AutoGPT

(3)找到.env.template.文件,复制一份重命名为.env文件,将API Key和Base URL代理服务地址填上。

(4)按下面图片步骤生成GitHub的access token,并填到AutoGPT的配置文件中

  • 填表,生成token

  • 粘贴token到AutoGPT的.github_acess_token文件中

(5)配置github

git config --global user.name "Your Name"
git config --global user.email "you@example.com"

如果上面GitHub设置不成功,则会出现下面的错误:

(6)执行 ./run setup,安装成功显示如下:

0.2 失败的尝试 - 如果你失败了,可以看下是否是跟我一样的方式,帮你避坑

(1)将AutoGPT clone到电脑本地:在某个路径文件夹下执行:

git clone https://github.com/Significant-Gravitas/AutoGPT.git

(2)进入你的本地目录

cd /mnt/d/GitHub/AutoGPT_ZH

(3)找到.env.template.文件,复制一份重命名为.env文件,将API Key和Base URL代理服务地址填上。

(4)执行 ./run setup

(5)可能遇到如下错误:

解决此错误:

sudo apt update
sudo apt install dos2unix
dos2unix ./run

然后重新运行 ./run setup

(6)还有错误:

1. 运行AutoGPT

(1)在 AutoGPT/autogpts/autogpt 目录下运行AutoGPT命令:

python -m autogpt
• 1

运行成功如下:

注意运行命令的目录,如果不是在该目录下,可能会出现以下错误:

(2)运行成功输入你的需求或问题后,后面的过程需要人工干预(确认一些前置条件,如限制条件、最佳实践例子,数据来源等)

(3)确认好上面的信息后,AutoGPT才开始正式工作,思考、制定计划,根据限制条件等组织答案回复给用户。最后还需要用户干预,授权执行程序,然后才能得到最终结果。

从这个运行过程,可以看到AutoGPT是半自动化的,虽然它在ChatGPT的基础上增加了独立思考和计划行动的能力,但中间仍需要人工的干预。

并且这种方法使用的是开源AutoGPT中已有的能力。AutoGPT虽然提供了一个完整的框架和可用的全功能,但它不是一个已经把各种问题解决的很好、拿来就能用的具体工具。目前来看,它更适合用来当作一个架构,让大家在此基础上开发专门解决具体问题的Agent。下面我们来看下怎样在此架构的基础上开发属于我们自己的Agent。

2. 创建并运行你自己的Agent

(1)创建一个自己的AutoGPT

./run agent create YOUR_AUTOGPT_NAME

创建成功后,在代码目录下会出现你自定义的AutoGPT目录:

(2)运行自己的AutoGPT

./ru agent start YOUR_AUTOGPT_NAME

(3)可能遇到的报错:

  • 解决方案,命令行执行下命令:
export PATH="$HOME/.local/bin:{$PATH}"

(4)再运行,首次启动会安装一些依赖

(5)成功启动后的界面

(6)打开网址,登录GitHub授权

(7)最终界面

至此,你自己的AutoGPT环境就搭建成功了,可以在此基础上定义自己的AutoGPT逻辑了。注意,上面的仅是环境和代码框架搭建成功,虽然有界面,但是并不具备大模型应用的能力,需要自己填充逻辑。

如果觉得本文对你有帮助,麻烦点个赞和关注呗 ~~~


  • 大家好,我是同学小张,日常分享AI知识和实战案例
  • 欢迎 点赞 + 关注 👏,持续学习持续干货输出
  • 一起交流💬,一起进步💪。
  • 微信公众号也可搜【同学小张】 🙏

本站文章一览:

相关文章
|
21天前
|
存储 消息中间件 人工智能
【03】AI辅助编程完整的安卓二次商业实战-本地构建运行并且调试-二次开发改注册登陆按钮颜色以及整体资源结构熟悉-优雅草伊凡
【03】AI辅助编程完整的安卓二次商业实战-本地构建运行并且调试-二次开发改注册登陆按钮颜色以及整体资源结构熟悉-优雅草伊凡
56 3
|
11天前
|
人工智能 Rust 并行计算
AI大模型开发语言排行
AI大模型开发涉及多种编程语言:Python为主流,用于算法研发;C++/CUDA优化性能;Go/Rust用于工程部署;Java适配企业系统;Julia等小众语言用于科研探索。
334 127
|
5月前
|
人工智能 自然语言处理 算法
AI智能混剪视频大模型开发方案:从文字到视频的自动化生成·优雅草卓伊凡
AI智能混剪视频大模型开发方案:从文字到视频的自动化生成·优雅草卓伊凡
400 0
AI智能混剪视频大模型开发方案:从文字到视频的自动化生成·优雅草卓伊凡
|
12天前
|
人工智能 自然语言处理 JavaScript
VTJ.PRO v0.13.29震撼发布!AI低代码引擎正式接入Qwen3-Coder-Plus,开发效率飙升!
VTJ.PRO v0.13.29 集成阿里云Qwen3-Coder-Plus大模型,实现自然语言生成Vue组件、源码双向同步与智能调试,大幅提升开发效率,推动低代码迈向智能化新时代。
91 1
|
3月前
|
人工智能 持续交付 开发工具
AI大模型运维开发探索第五篇:GitOps 智能体
本文探讨了如何结合 Manus 的智能体设计理念与 GitOps 持续集成技术,构建低成本、高扩展性的智能体系统。通过借鉴 Manus 的沙箱机制与操作系统交互思路,利用 Git 作为智能体的记忆存储与任务调度核心,实现了推理过程可视化、自进化能力强的智能体架构。文章还分享了具体落地实践与优化经验,展示了其与 Manus 相当的功能表现,并提供了开源代码供进一步探索。
339 20
|
2月前
|
人工智能 JavaScript 前端开发
​​大模型开发从入门到部署
本内容系统讲解大语言模型技术,涵盖BERT、GPT等主流架构,深入Transformer原理与自注意力机制,结合PyTorch实战,详解张量操作、自动求导与模型训练,并介绍RAG、Agent等典型应用场景,助你掌握AI核心技术。
139 0
|
4月前
|
人工智能 安全 数据安全/隐私保护
|
4月前
|
数据采集 存储 人工智能
智能体(AI Agent)开发实战之【LangChain】(二)结合大模型基于RAG实现本地知识库问答
智能体(AI Agent)开发实战之【LangChain】(二)结合大模型基于RAG实现本地知识库问答
|
5月前
|
缓存 人工智能 自然语言处理
通义灵码2.5——基于编程智能体开发Wiki多功能搜索引擎
本文介绍了基于通义灵码2.5 AI编码助手开发的Wiki多功能搜索引擎系统。该系统采用Python技术栈,实现了多数据源统一搜索、异步并行查询和智能缓存等功能。通过AI辅助完成了从需求分析、架构设计到代码生成的全流程开发,显著提升了开发效率。系统采用模块化分层架构,包含数据源抽象层、搜索管理层和缓存层等核心组件,支持自然语言交互和个性化代码推荐。这一实践展示了AI与开发者深度协作的智能化开发新模式。

热门文章

最新文章