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。

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。

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。

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：

第一步：下载必备软件

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。

第二步：设置你的 OpenAI API 密钥

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。

第三步：克隆最新版本的AutoGPT

（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

（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。

要安装这些模块，可以使用命令pip install -r requirements.txt 进行下载安装。

（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

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！

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。

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！

拥有自我意识的AI：AutoGPT ｜得物技术