网站建设dw 什么软件,建网站定制,关键词分类哪八种,青柠直播免费版文章目录 1 前言1.1 什么是AutoGPT1.2 为什么是AutoGPT 2 AutoGPT部分实例2.1 类似一个Workflow2.2 市场调研2.3 自己写播客2.4 接入客服 3 安装和使用AutoGPT3.1 安装3.2 基础用法3.3 配置OpenAI的API3.4 配置谷歌API3.5 配置Pinecone API 4.讨论 1 前言
迄今为止#xff0c… 文章目录 1 前言1.1 什么是AutoGPT1.2 为什么是AutoGPT 2 AutoGPT部分实例2.1 类似一个Workflow2.2 市场调研2.3 自己写播客2.4 接入客服 3 安装和使用AutoGPT3.1 安装3.2 基础用法3.3 配置OpenAI的API3.4 配置谷歌API3.5 配置Pinecone API 4.讨论 1 前言
迄今为止Github已经7.7万stars了项目真的顶 GitHub 地址https://github.com/torantulino/auto-gpt 这里提前下载好了如果登不上Github或者下载失败的可以在后台回复autogpt领取v0.2.1的源码压缩包 1.1 什么是AutoGPT
十分重磅GPT3.5都还没玩明白傍着GPT4的AutoGPT就又要乱杀了特斯拉前 AI 总监、刚刚回归 OpenAI 的 Andrej Karpathy也提到**“AutoGPT”将成为提示工程的下一个前沿**网上很多人只提突破性不提局限性twitter的原话是prompt engineering领域因此其他领域还是坐观新测 Auto-GPT 是一个实验性的开源 Python 应用程序它使用GPT-4自主运行。听名字也知道auto自主人工智能这意味着 Auto-GPT 可以在几乎没有人为干预的情况下执行任务并且可以自我提示。一言以蔽之AutoGPT可以实现分配一个任务它能自行生成一个结果及任务的每一个提示其实这类的AI还有AgentGPT、BabyAGI但真不够AutoGPT火其也有火的道理
1.2 为什么是AutoGPT
Auto-GPT 可以将 AI 的行为分解为“思想”、“推理”和“批评”这展示了 GPT 令人印象深刻的文本生成能力。此功能使用户能够准确了解 AI 在做什么以及为什么这样做。简单说是**有一个人能帮你完成任务还会告诉你怎么做。**例如就 Chef-GPT 而言AI 的第一个“想法”是“搜索即将发生的事件以找到合适的事件来创建独特的食谱”。这一行动背后的“原因”是“找到即将发生的事件将帮助我想出一个相关且令人兴奋的食谱。”
Auto-GPT 的“批评”分析了对其行为的潜在约束或限制进一步展示了其在实现用户设定的目标的同时自主运行的能力。此外Auto-GPT 具有长期和短期记忆功能以及通过 ElevenLabs 进行的文本转语音功能。这些功能的融合使 Auto-GPT 更像人增强了它与人互动的能力。 有人会问ChatGPT和Auto-GPT区别哪个更好 都好且不同一个纬度无法平行比较。首先知道一下人工智能AI和通用人工智能AGI的区别人工智能 (AI) 是一个广义术语指的是能够执行需要人类智能才能完成的任务的计算机系统。然而通用人工智能 (AGI) 指的是可以像人类一样使用自己的过程、推理和智力执行任务的人工智能。
尽管 ChatGPT 是一个非常有能力的聊天机器人但它仍然只是一个聊天机器人。作为聊天机器人它仅限于仅对通过提示立即询问的内容做出回应。因此它可以完成惊人的事情但只有通过人类的指导。 Auto-GPT 的能力远不止于此可以要求它完成一项一无所知的任务然后看着它完成所有工作。即ChatGPT需要人去引导他得到自己想要的东西AutoGPT是给他指令他自己去思考自己去想办法完成结果交付。这可以很明显看出后者的特色Auto更自主化。
2 AutoGPT部分实例
2.1 类似一个Workflow
生成一个 GPT-4 代理来完成添加到待办事项列表中的任何任务
视频链接https://twitter.com/i/status/1645918390413066240
2.2 市场调研
运营一个 AI 代理负责进行产品研究并撰写有关最佳耳机的摘要
第二个视频是关于博客研究的此外Nathan Lands还展示了用于销售勘探的 BabyAGI
视频1链接https://twitter.com/i/status/1646095934177124353 视频2链接https://twitter.com/i/status/1645898646762782735
2.3 自己写播客
自行阅读近期发生的事件自行总结并且撰写播客内容 视频链接https://twitter.com/i/status/1645898646762782735
2.4 接入客服
AutoGPT可以不需要使用者一直输入指令直接化身24h全天候智能客服通达全语种理解客户查询提供支持甚至建议追加销售 推文链接https://twitter.com/gregisenberg/status/1645817335024869376?ref_srctwsrc%5Etfw%7Ctwcamp%5Etweetembed%7Ctwterm%5E1645817335024869376%7Ctwgr%5E1bcdfa0f1f346feb279a7821bda593c41ddc14de%7Ctwcon%5Es1_ref_urlhttps%3A%2F%2Fautogpt.net%2Famazing-use-cases-for-auto-gpt-on-twitter%2F
3 安装和使用AutoGPT 安装要求
Python 3.8 或更高版本OpenAI API 密钥Pinecone API 密钥ElevenLabs Key这个是可以转换成语音非必要要求
3.1 安装
确保满足安装要求记得下载git工具然后在bash或者cmd或者turminal克隆库
git clone https://github.com/Torantulino/Auto-GPT.git进入库
cd Auto-GPT安装依赖项
pip install -r requirements.txt重命名.env.template为 .env 并填写 OPENAI_API_KEY. 如果打算使用语音模式也需要填写 ELEVEN_LABS_API_KEY
OpenAI API 密钥https: //platform.openai.com/account/api-keysElevenLabs API 密钥在个人资料——xi-api-keyhttps://elevenlabs.io
这样就可以了如果需要在Azure实例上使用 GPT请设置USE_AZURE为True然后
重命名azure.yaml.template为 并提供部分 中相关模型的azure.yaml相关 azure_api_base和 所有部署 ID azure_api_versionazure_model_map fast_llm_model_deployment_idgpt-3.5-turbo 或 gpt-4 部署 ID smart_llm_model_deployment_idgpt-4 部署 ID embedding_model_deployment_idtext-embedding-ada-002 v2 部署 ID 将所有这些值指定为双引号字符串
# Replace string in angled brackets () to your own ID
azure_model_map:fast_llm_model_deployment_id: my-fast-llm-deployment-id...详细信息可以参考 https://pypi.org/project/openai/,https://learn.microsoft.com/en-us/azure/cognitive-services/openai/tutorials/embeddings?tabscommand-line
3.2 基础用法
在目录运行py文件
python scripts/main.py# 授权单个命令输入y
# 授权一系列N个连续命令输入y -N
# 退出程序进入n也可以在 AUTO-GPT 的每个动作之后键入“NEXT COMMAND”以授权它们继续。
要退出程序请键入“exit”并按 Enter。
可以在文件夹中找到活动和错误日志./output/logs输出调试日志
python scripts/main.py --debug语音模式
python scripts/main.py --speak#目前已有的11个lab id
Rachel : 21m00Tcm4TlvDq8ikWAM
Domi : AZnzlk1XvdvUeBnXmlld
Bella : EXAVITQu4vr4xnSDxMaL
Antoni : ErXwobaYiN019PkySvjV
Elli : MF3mGyEYCl7XYWbV9V6O
Josh : TxGEqnHWrfWFTfGW9XjX
Arnold : VR6AewLTigWG4xSOukaG
Adam : pNInz6obpgDQGcFmaJgB
Sam : yoZ06aMxZJJ28mfd3POQdocker
# 调用和运行
docker build -t autogpt .
docker run -it --env-file./.env -v $PWD/auto_gpt_workspace:/app/auto_gpt_workspace autogpt# 或者
docker-compose run --build --rm auto-gpt# 其他参数
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命令行常用命令
# 查看所有可行参数
python -m autogpt --help# 用其他ai设置文件运行
python -m autogpt --ai-settings filename# 指定内存后端
python -m autogpt --use-memory memory-backend内存后端设置 启动redis的docker
docker run -d --name redis-stack-server -p 6379:6379 redis/redis-stack-server:latest然后配置.env
MEMORY_BACKENDredis
REDIS_HOSTlocalhost
REDIS_PORT6379
REDIS_PASSWORDPASSWORD设置缓存类型 默认情况下Auto-GPT 将使用 LocalCache 而不是 redis 或 Pinecone。
若要切换到任一值请将 env 变量更改为所需的值MEMORY_BACKEND
local默认值使用本地 JSON 缓存文件
pinecone使用在 ENV 设置中配置的 Pinecone.io 帐户
redis将使用配置的 Redis 缓存
milvus将使用配置的 milvus 缓存
weaviate将使用配置的编织缓存连续模式
无需用户授权即可运行AI100%自动化。 不建议使用连续模式。 这是潜在的危险可能会导致你的 AI 永远运行或执行您通常不会授权的操作。 使用风险自负
python -m autogpt --speak --continuousCtrl C退出程序
设置GPT-3.5
如果用不了GPT4可以改成3.5
python -m autogpt --speak --gpt3only3.3 配置OpenAI的API
大家最熟悉了https://platform.openai.com/account/api-keys 3.4 配置谷歌API
在谷歌云控制台https://console.cloud.google.com/在左栏中找到API新建一个项目命名随意这里用了demo 然后create 一个 credentialsAPI
每日免费自定义搜索配额最多只允许 100 次搜索。要增加此限制需要为项目分配一个计费帐户以从每天多达 10,000 次搜索中获利
设置自定义搜索引擎https://cse.google.com/cse/all命名随性搜索范围可以全网或者自定义。建议按领域来像做生物生命科学的定向pubmed和谷歌学术镜像可以稍微省时 准备好了API开始设置环境变量
Windows 用户
setx GOOGLE_API_KEY YOUR_GOOGLE_API_KEY
setx CUSTOM_SEARCH_ENGINE_ID YOUR_CUSTOM_SEARCH_ENGINE_IDmacOS 和 Linux 用户
export GOOGLE_API_KEYYOUR_GOOGLE_API_KEY
export CUSTOM_SEARCH_ENGINE_IDYOUR_CUSTOM_SEARCH_ENGINE_ID3.5 配置Pinecone API
去Pineconehttps://app.pinecone.io/并创建一个帐户。选择计划以避免被收费。Starter在左侧边栏的默认项目下找到API密钥和区域
windows用户
setx PINECONE_API_KEY YOUR_PINECONE_API_KEY
setx PINECONE_ENV YOUR_PINECONE_REGION # e.g: us-east4-gcp
setx MEMORY_BACKEND pineconemacOS 和 Linux 用户
export PINECONE_API_KEYYOUR_PINECONE_API_KEY
export PINECONE_ENVYOUR_PINECONE_REGION # e.g: us-east4-gcp
export MEMORY_BACKENDpinecone4.讨论
这个虽然是刚出来的实验性项目但是潜力真的很大很大关于Memory pre-seedingImage GenerationMilvus笔者这里没有提内容太多太干太硬了跟着上面的代码可以部署体验一波需要重度使用务必仔细研究Github
