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
|
8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
285 0
|
8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
233 0
|
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。
|
17天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
86 10
|
6天前
|
机器学习/深度学习 人工智能 自动驾驶
企业内训|AI大模型在汽车行业的前沿应用研修-某汽车集团
本课程是TsingtaoAI为某汽车集团高级项目经理设计研发,课程全面系统地解析AI的发展历程、技术基础及其在汽车行业的深度应用。通过深入浅出的理论讲解、丰富的行业案例分析以及实战项目训练,学员将全面掌握机器学习、深度学习、NLP与CV等核心技术,了解自动驾驶、智能制造、车联网与智能营销等关键应用场景,洞悉AI技术对企业战略布局的深远影响。
134 97
|
11天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
12月14日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·湖南大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
CogAgent-9B:智谱 AI 开源 GLM-PC 的基座模型,专注于预测和执行 GUI 操作,可应用于自动化交互任务
CogAgent-9B 是智谱AI基于 GLM-4V-9B 训练的专用Agent任务模型,支持高分辨率图像处理和双语交互,能够预测并执行GUI操作,广泛应用于自动化任务。
35 12
CogAgent-9B:智谱 AI 开源 GLM-PC 的基座模型,专注于预测和执行 GUI 操作,可应用于自动化交互任务
|
22天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
17天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
100 31
|
5天前
|
机器学习/深度学习 数据采集 人工智能
AI在用户行为分析中的应用:实现精准洞察与决策优化
AI在用户行为分析中的应用:实现精准洞察与决策优化
46 15