【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
|
6天前
|
人工智能
AniDoc:蚂蚁集团开源 2D 动画上色 AI 模型,基于视频扩散模型自动将草图序列转换成彩色动画,保持动画的连贯性
AniDoc 是一款基于视频扩散模型的 2D 动画上色 AI 模型,能够自动将草图序列转换为彩色动画。该模型通过对应匹配技术和背景增强策略,实现了色彩和风格的准确传递,适用于动画制作、游戏开发和数字艺术创作等多个领域。
62 16
AniDoc:蚂蚁集团开源 2D 动画上色 AI 模型,基于视频扩散模型自动将草图序列转换成彩色动画,保持动画的连贯性
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
Gemini 2.0:谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
谷歌最新推出的Gemini 2.0是一款原生多模态输入输出的AI模型,以Agent技术为核心,支持多种数据类型的输入与输出,具备强大的性能和多语言音频输出能力。本文将详细介绍Gemini 2.0的主要功能、技术原理及其在多个领域的应用场景。
119 20
Gemini 2.0:谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
|
14天前
|
人工智能 API 语音技术
TEN Agent:开源的实时多模态 AI 代理框架,支持语音、文本和图像的实时通信交互
TEN Agent 是一个开源的实时多模态 AI 代理框架,集成了 OpenAI Realtime API 和 RTC 技术,支持语音、文本和图像的多模态交互,具备实时通信、模块化设计和多语言支持等功能,适用于智能客服、实时语音助手等多种场景。
106 15
TEN Agent:开源的实时多模态 AI 代理框架,支持语音、文本和图像的实时通信交互
|
17天前
|
算法 机器人 Linux
Agent-Based概率模型让多无人机野外搜救更高效
【论文解读】Agent-Based概率模型、Receding Horizon规划策略、动态分区算法相结合,提升多无人机野外搜救效果
61 13
Agent-Based概率模型让多无人机野外搜救更高效
|
15天前
|
人工智能 自然语言处理 前端开发
Director:构建视频智能体的 AI 框架,用自然语言执行搜索、编辑、合成和生成等复杂视频任务
Director 是一个构建视频智能体的 AI 框架,用户可以通过自然语言命令执行复杂的视频任务,如搜索、编辑、合成和生成视频内容。该框架基于 VideoDB 的“视频即数据”基础设施,集成了多个预构建的视频代理和 AI API,支持高度定制化,适用于开发者和创作者。
75 9
Director:构建视频智能体的 AI 框架,用自然语言执行搜索、编辑、合成和生成等复杂视频任务
|
15天前
|
人工智能 安全 测试技术
EXAONE 3.5:LG 推出的开源 AI 模型,采用 RAG 和多步推理能力降低模型的幻觉问题
EXAONE 3.5 是 LG AI 研究院推出的开源 AI 模型,擅长长文本处理,能够有效降低模型幻觉问题。该模型提供 24 亿、78 亿和 320 亿参数的三个版本,支持多步推理和检索增强生成技术,适用于多种应用场景。
67 9
EXAONE 3.5:LG 推出的开源 AI 模型,采用 RAG 和多步推理能力降低模型的幻觉问题
|
12天前
|
机器学习/深度学习 人工智能 算法
Meta Motivo:Meta 推出能够控制数字智能体动作的 AI 模型,提升元宇宙互动体验的真实性
Meta Motivo 是 Meta 公司推出的 AI 模型,旨在控制数字智能体的全身动作,提升元宇宙体验的真实性。该模型通过无监督强化学习算法,能够实现零样本学习、行为模仿与生成、多任务泛化等功能,适用于机器人控制、虚拟助手、游戏角色动画等多个应用场景。
42 4
Meta Motivo:Meta 推出能够控制数字智能体动作的 AI 模型,提升元宇宙互动体验的真实性
|
17天前
|
机器学习/深度学习 人工智能
SNOOPI:创新 AI 文本到图像生成框架,提升单步扩散模型的效率和性能
SNOOPI是一个创新的AI文本到图像生成框架,通过增强单步扩散模型的指导,显著提升模型性能和控制力。该框架包括PG-SB和NASA两种技术,分别用于增强训练稳定性和整合负面提示。SNOOPI在多个评估指标上超越基线模型,尤其在HPSv2得分达到31.08,成为单步扩散模型的新标杆。
58 10
SNOOPI:创新 AI 文本到图像生成框架,提升单步扩散模型的效率和性能
|
17天前
|
人工智能 搜索推荐 开发者
Aurora:xAI 为 Grok AI 推出新的图像生成模型,xAI Premium 用户可无限制访问
Aurora是xAI为Grok AI助手推出的新图像生成模型,专注于生成高逼真度的图像,特别是在人物和风景图像方面。该模型支持文本到图像的生成,并能处理包括公共人物和版权形象在内的多种图像生成请求。Aurora的可用性因用户等级而异,免费用户每天能生成三张图像,而Premium用户则可享受无限制访问。
57 11
Aurora:xAI 为 Grok AI 推出新的图像生成模型,xAI Premium 用户可无限制访问
|
20天前
|
机器学习/深度学习 人工智能 编解码
【AI系统】Transformer 模型小型化
本文介绍了几种轻量级的 Transformer 模型,旨在解决传统 Transformer 参数庞大、计算资源消耗大的问题。主要包括 **MobileVit** 和 **MobileFormer** 系列,以及 **EfficientFormer**。MobileVit 通过结合 CNN 和 Transformer 的优势,实现了轻量级视觉模型,特别适合移动设备。MobileFormer 则通过并行结构融合了 MobileNet 和 Transformer,增强了模型的局部和全局表达能力。
56 8
【AI系统】Transformer 模型小型化

热门文章

最新文章