超越ChatGpt，最近爆火的AutoGPT 究竟是什么

一、AutoGPT是什么

最近几天，一款基于GPT-4的最强语言模型AutoGPT火遍了整个AI圈。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。但AutoGPT就不一样，他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。

这里简单的介绍下AI的prompt，prompt是指在使用AI模型时，设计和构建用于输入的文本提示，使得模型能够更好地理解和回答问题。简单来说，就是为AI模型设置一个更容易理解和明确的问题描述，以便让它更好地进行回答。

事实上，作为目前最实用的AI技术，AutoGPT在短短几天时间就在GitHub上获得了惊人star数目前已经突破81k，并吸引了无数开源社区和开发者的关注。
 

AutoGPT到底有多火呢，看这张网友做的对比图就知道了：仅仅几天的时间，它就追平了某个红极一时项目差不多积攒了10年的star。

虽然，GitHub Star 数不足以说明一切，但是从此图中便能看出近期大众对它的关注程度。截止今日，Star 数更是已突破 8 万，并且正朝着 10 万 Star 里程碑稳步迈进。

之所以能这么火，是因为Auto-GPT 突破了 AI 的可能性界限。事实上，它能根据开发者给它下达的任务，自行编写爬虫，检索互联网上的公开信息，用于实现任务，优化代码、自动改 Bug 等。这也就意味着，这是一个真正懂得通过自主学习，利用编程来强化自己能力的智能代码工具，也是自GPT-4 出现以来，技术圈中又一款重磅级AI产品。

二、AutoGPT缺点

事实上，AutoGPT的使用是非常简单的，大家可以看着github上的教程很轻易的就搭起来。然后提供从open ai申请的api key即可，因为它也是基于GPT3.5或者GPT4的模型来帮我们完成任务的。因为会非常多次的调用API，所以在它执行任务的时候，我闻到了一股RMB在燃烧的味道。

虽然，AutoGpt相比传统的AI技术进步了一大截，但正如Jina AI 的创始人兼 CEO 肖涵表示:“在我们庆祝 Auto-GPT 的快速崛起时，退后一步并仔细检查其潜在的缺点至关重要。”并且，为了说明Auto-GPT 的不足之处，肖涵先大致分析了一波原理，即 Auto-GPT 主要由四部分组成：

• 架构：Auto-GPT 是基于强大的 GPT-4和 GPT-3.5语言模型构建的，它们作为机器人的大脑，帮助它思考和推理。
• 自主迭代：类似于机器人，具有从错误中学习的能力。Auto-GPT 可以回顾其工作，在之前的工作基础上再接再厉，并利用其历史记录生成更准确的结果。
• 内存管理：与矢量数据库(一种内存存储解决方案)集成，使 Auto-GPT 能够保留上下文并做出更好的决策，类似于为机器人配备长期记忆以记住过去的经历。
• 多功能性：Auto-GPT 的功能(例如文件操作、Web 浏览和数据检索)使其用途广泛，并使其与有别于以往的 AI 迭代，就像赋予机器人多种技能来处理更广泛的任务。

下面我们来看下AutoGpt的一些缺点：

1，成本高昂

虽然 Auto-GPT 具有卓越的功能，但由于任务是通过思维链完成的，为提供更好的推理和提示，每一步都需要调用昂贵的 GPT-4模型，这通常会最大化 token，也就带来了过高的成本。

对此，肖涵估算了一个小任务的花费:Auto-GPT 平均需要50个步骤来完成一个小任务，即成本为50*0.288=14.4美元（约人民币98.5元）。

而且这还是一次就能出结果的情况，如果需要重新生成，成本会更高。 从这个角度来看，AutoGPT目前对大部分用户和组织来说，都是不现实的。

2，容易陷入死循环

更要命的是，这14.4美元还可能“打水漂”。许多用户报告说:Auto-GPT 经常陷入循环，导致其无法解决实际问题。

“我昨天多次使用它，我发现…它从未完成过一项任务。它总是去深入挖掘、做更多的研究，但从来没有真正完成一个目标。我就放着让它持续循环了几个小时。”

3，代理机制不完善

Auto-GPT 引入了一个很有趣的概念，即允许生成代理来委派任务。然而，肖涵认为这还不够完善:“这一机制仍处于早期阶段，其潜力在很大程度上仍未得到开发。”

对于以上总结的几点 Auto-GPT 缺陷，实际上早有不少用户在抱怨，还搞出了一些“闹剧”:

不过即便如此，Auto-GPT 还是令许多人对未来 AI 的发展趋势充满期待:

三、AutoGPT本地部署

接下来，我们看一下如何在本地部署AutoGpt，参考如下资料：
Auto-GPT 官网网站：https://github.com/torantulino/auto-gpt
Auto-GPT 中文技术支持博客：https://www.cnblogs.com/botai/

3.1 环境要求

• vscode + devcontainer
• Python 3.8 or later
• OpenAI API key
• PINECONE API key
• ElevenLabs Key（可选）

3.2 安装

1，确保您的本地环境已经拥有上述所有要求，如果没有，请安装/获取它们。

2，将AutoGPT克隆到本地，也可以直接下载源码的zip文件。

git clone git@github.com:Significant-Gravitas/Auto-GPT.git
1

3，导航至项目目录，安装所需依赖项，命令如下。

pip install -r requirements.txt
1

4，重命名.env.template为.env，并填写你从openai官网获取的的OPENAI_API_KEY。如果你计划使用语音模式，请同时填写你的ELEVEN_LABS_API_KEY。以下是一些说明：

• 以下网址获取你的OpenAI API密钥：https://platform.openai.com/account/api-keys。
• 以下网址获取你的ElevenLabs API密钥：https://elevenlabs.io。 你可以在网站上的“Profile”选项卡中查看你的xi-api-key。

如果你想在Azure实例上使用GPT，请将USE_AZURE设置为True，然后将azure.yaml.template重命名为azure.yaml，并在azure_model_map部分中提供相关模型的azure_api_base、azure_api_version和所有部署ID：

• fast_llm_model_deployment_id：你的gpt-3.5-turbo或gpt-4部署ID
• smart_llm_model_deployment_id： 你的gpt-4部署ID
• embedding_model_deployment_id： 你的text-embedding-ada-002 v2部署ID

更多详细的信息，请点击下面的链接查看详情：https://pypi.org/project/openai/， 位于“Microsoft Azure Endpoints”部分和此处：https://learn.microsoft.com/en-us/azure/cognitive-services/openai/tutorials/embeddings?tabs=command-line， 用于嵌入模型。

3.3 基本使用

打开AutoGpt项目的源码，然后在你的终端中运行main.py的Python脚本，命令如下。

python -m autogpt
1

在每个AUTO-GPT操作完成后，输入"NEXT COMMAND"来授权它们继续执行。如果需要退出程序，请键入"exit"并按回车键。.

3.4.1 开启日志

当然，你也可以通过在文件夹./output/logs中找到活动和错误日志。 要开启要输出调试日志，可以使用下面的命令：

python scripts/main.py --debug
1

3.4.2 Docker

当然，我们也可以将它构建到docker映像中然后运行它。

docker build -t autogpt .
docker run -it --env-file=./.env -v $PWD/auto_gpt_workspace:/app/auto_gpt_workspace autogpt
1
2

如果你有docker-compose环境，也可以使用下面的方式：

docker-compose run --build --rm auto-gpt
1

当然，我们也可以在运行的时候指定运行的ChatGpt的版本例如，在gpt3only和continuous模式下运行:

docker run -it --env-file=./.env -v $PWD/auto_gpt_workspace:/app/auto_gpt_workspace autogpt --gpt3only --continuous


docker-compose run --build --rm auto-gpt --gpt3only --continuous
1
2
3
4

3.4.3 其他参数

下面是运行AutoGPT时，可以使用的一些常见参数和帮助说明：

查看所有有用的命令行参数：

python -m autogpt --help
1

使用不同的AI设置文件运行AutoGPT：

python -m autogpt --ai-settings <filename>
1

指定可用内存大下：

python -m autogpt --use-memory  <memory-backend>
1

3.4 语言模式

如果要开启语言模式，可以在启动项目的时候使用下面的命令：

python scripts/main.py --speak
1

下面是用于实验的一些eleven labs账号：

• Rachel : 21m00Tcm4TlvDq8ikWAM
• Domi : AZnzlk1XvdvUeBnXmlld
• Bella : EXAVITQu4vr4xnSDxMaL
• Antoni : ErXwobaYiN019PkySvjV
• Elli : MF3mGyEYCl7XYWbV9V6O
• Josh : TxGEqnHWrfWFTfGW9XjX
• Arnold : VR6AewLTigWG4xSOukaG
• Adam : pNInz6obpgDQGcFmaJgB
• Sam : yoZ06aMxZJJ28mfd3POQ

3.5 Google API Keys

本部分是可选的，如果在运行Google搜索时出现错误429，则使用官方Google API。要使用 google_official_search 命令，您需要在环境变量中设置Google API密钥。

1. 前往 Google Cloud Console。
2. 如果您还没有帐户，请创建一个并登录。
3. 通过单击页面顶部的“Select a Project”下拉菜单，然后单击“New Project”，创建一个新项目。给它一个名称并单击“Create”。
4. 前往 APIs & Services Dashboard，单击“Enable APIs and Services”。搜索“Custom Search API”，单击它，然后单击“Enable”。
5. 前往 Credentials 页面，然后单击“Create Credentials”。选择“API Key”。
6. 复制API密钥并将其设置为在您的计算机上命名为 GOOGLE_API_KEY 的环境变量。请查看下面的环境变量设置。
7. 在您的项目上 启用 Custom Search API。（可能需要等待几分钟以进行传播）
8. 前往 Custom Search Engine 页面，然后单击“Add”。
9. 按照提示设置您的搜索引擎以设置搜索引擎。您可以选择搜索整个Web或特定站点。
10. 创建您的搜索引擎后，单击“Control Panel”，然后单击“Basics”。复制“Search engine ID”，并将其设置为在您的计算机上命名为 CUSTOM_SEARCH_ENGINE_ID 的环境变量。请查看下面的环境变量设置。

需要注意的是，您的每日免费自定义搜索配额仅允许最多100次搜索。要增加此限制，您需要将计费帐户分配给项目，以从每日最多10K次搜索中受益。

3.5.1 设置环境变量

对于Windows用户来说，设置环境变量的代码如下：

setx GOOGLE_API_KEY "YOUR_GOOGLE_API_KEY"
setx CUSTOM_SEARCH_ENGINE_ID "YOUR_CUSTOM_SEARCH_ENGINE_ID"
1
2

对于MacOs的用户来说，设置环境变量的代码如下：

export GOOGLE_API_KEY="YOUR_GOOGLE_API_KEY"
export CUSTOM_SEARCH_ENGINE_ID="YOUR_CUSTOM_SEARCH_ENGINE_ID"
1
2

3.6 Redis设置

首先，需要安装 Docker Desktop，如果还没安装，请参考3.4.2进行安装。然后运行如下命令设置redis。

docker run -d --name redis-stack-server -p 6379:6379 redis/redis-stack-server:latest
1

参见 https://hub.docker.com/r/redis/redis-stack-server 以设置密码和其他配置。然后，配置Redis。

MEMORY_BACKEND=redis
REDIS_HOST=localhost
REDIS_PORT=6379
REDIS_PASSWORD=
1
2
3
4

请注意，这不是面向互联网运行的，不安全，请不要在没有密码或没有任何保护的情况下将 Redis 暴露给互联网。

3.7 Pinecone API 密钥设置

1. 转到pinecone，如果您还没有帐户，请注册一个。
2. 选择“Starter”计划以避免收费。
3. 在左侧边栏的默认项目下找到您的API密钥和区域。

接下来，我们需要设置环境变量：
打开.env 文件或者从命令行中设置它们（高级）：

对于 Windows 用户：

setx PINECONE_API_KEY "YOUR_PINECONE_API_KEY"
setx PINECONE_ENV "Your pinecone region" # something like: us-east4-gcp
1
2

对于 macOS 和 Linux 用户：

export PINECONE_API_KEY="YOUR_PINECONE_API_KEY"
export PINECONE_ENV="Your pinecone region" # something like: us-east4-gcp
1
2

3.8 设置缓存类型

默认情况下，AutoGPT 使用的是LocalCache 而不是 redis 或 Pinecone。要切换到其中一个，请将 MEMORY_BACKEND 环境变量更改为所需的值：

• local (默认)：使用本地 JSON 缓存文件
• pinecone：使用您在 ENV 设置中配置的 Pinecone.io 帐户
• redis：将使用您配置的 redis 缓存
• milvus：将使用您配置的Milvus缓存
• weaviate：将使用您配置的Weaviate缓存

查看内存使用情况，命令如下：使用 --debug 标志查看内存使用情况。

3.9 持续模式

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/凡人多烦事01/article/detail/514954