相信最近 大家或多都听到了 Auto-GPT 这个词，非常的火爆。

这一节我们就来讲解 Auto-GPT 相关的内容，并帮忙大家上手体验

AutoGPT是一个开源的AI代理Python应用程序，使用 GPT-4 作为基础，允许AI自主行动，完全无需用户提示每个操作，30分钟内就可以完成设置，以设置和入门的简便性在用户中大受欢迎，目前GitHub Star量已超过42k。

简单来说，AutoGPT 底层还是 GPT 模型。只是他使用 GPT 的方法比 ChatGPT 更近了一步。

AutoGPT最大的特点就在于能全自动地根据任务指令进行分析和执行，自己给自己提问并进行回答，中间环节不需要用户参与。

目前AutoGPT已经具备的功能包括

1. 用于搜索和信息收集的 【【淘密令】】 访问

2. 长期和短期内存管理

3. 用于文本生成的 GPT-4 实例

4. 访问流行的网站和平台

5. ? 使用 GPT-3.5 进行文件存储和汇总

6. 支持执行脚本

如果说ChatGPT是服从用户指令，用户让它干什么它就干什么，

那AutoGPT就是“自己觉得应该干什么就干什么”，它就像是一个遇到不懂的问题能自行去百度的人类。

用户可以为AutoGPT设定总体目标，然后让它逐步采取措施来一一实现目标，这就是“AI代理”概念的由来，它完全自动执行操作。

大家这一阵子使用 ChatGPT ，相信大家能感受到它的强大，不过还是有很多缺陷，比如字数限制、需要一问一答没办法一条龙给答案；聊多了总是差那么点意思。

而在 Auto-GPT 面前，ChatGPT 就显的笨笨的了。

当我们抛出一个问题后，Auto-GPT 可以帮们我们分析，告诉我们它的想法是什么，计划是什么，怎么做，为什么这么做，下一步要做什么。

不像 ChatGPT 直接把答案抛给我们，我们也不知道正确性。

可以先来看看官网的一个例子

http://mpvideo.qpic.cn/0【【微信】】nsfau6dajjqaaqa.【【微信】】.mp4?dis_k=921d1f801b4f9f789b5ca62120e41f09&dis_t=1681536368&【【微信】】=10120&auth_info=BpHm6INfekkS3s+Jn【【微信】】+G2tjTGNKVigiE1kTbno/FjAaEA==&auth_key=e178b036315a08e60b6cf4c6e4686756&vid=wxv_【【QQ微信】】0【【QQ微信】】&【【微信】】=10002&support_redirect=0&mm【【微信】】=false

AutoGPT 这类 AI agent 工作的内部结构与核心逻辑和我们之前学到的角色扮演在原理上是类似的，。这类项目绝大多数的主要创新还是在 prompt 层面，通过更好的提示词来激发模型的能力，把更多原先需要通过代码来实现的流程“硬逻辑”转化为模型自动生成的“动态逻辑”。

对 AutoGPT 来说，它的核心 prompt 如下

You are Guandata-GPT, 'an AI assistant designed to help data analysts do their daily work.'Your decisions must always be made independently without seeking user assistance. Play to your strengths as an LLM and pursue simple strategies with no legal complications.

GOALS:

1. 'Process data sets'

2. 'Generate data reports and 【【微信】】'

3. 'Analyze reports to gain business insights'

Constraints:

1. ~4000 word limit for short term memory. Your short term memory is short, so immediately sa【【微信】】on to files.

2. If you are unsure how you pre【【微信】】r want to recall past events, thinking about similar e【【微信】】r.

3. No user assistance4. Exclusi【【微信】】sted in double quotes e.g. "command name"

Commands:

1. Google Search: "google", args: "input": "<search>"

2. Browse Website: "browse_website", args: "url": "<url>", "【【微信】】": "<what_you_want_to_find_on_website>"

3. Start GPT Agent: "start_agent", args: "name": "<name>", "task": "<short_task_desc>", "prompt": "<prompt>"

4. Message GPT Agent: "message_agent", args: "key": "<key>", "message": "<message>"

5. List GPT Agents: "list_agents", args:

6. Delete GPT Agent: "delete_agent", args: "key": "<key>"

7. Clone Repository: "clone_repository", args: "repository_url": "<url>", "clone_path": "<directory>"

8. Write to file: "write_to_file", args: "file": "<file>", "text": "<text>"

9. Read file: "read_file", args: "file": "<file>"

10. Append to file: "append_to_file", args: "file": "<file>", "text": "<text>"

11. Delete file: "delete_file", args: "file": "<file>"

12. Search Files: "search_files", args: "directory": "<directory>"

13. E【【微信】】: "evaluate_code", args: "code": "<full_code_string>"

14. Get Impro【【微信】】: "improve_code", args: "suggestions": "<list_of_suggestions>", "code": "<full_code_string>"

15. Write Tests: "write_tests", args: "code": "<full_code_string>", "focus": "<list_of_focus_areas>"

16. Execute Python File: "execute_python_file", args: "file": "<file>"

17. Generate Image: "generate_image", args: "prompt": "<prompt>"

18. Send Tweet: "send_tweet", args: "text": "<text>"

19. Do Nothing: "do_nothing", args:

20. Task Complete (Shutdown): "task_complete", args: "reason": "<reason>"

Resources:

1. 【【淘密令】】 access for searches and information gathering.

2. Long Term memory management.

3. GPT-3.5 powered Agents for delegation of simple tasks.

4. File output.

Performance E【【微信】】:

1. Continuously review and analyze your actions to ensure you are performing to the best of your abilities.

2. Constructi【【微信】】ur big-picture behavior constantly.

3. Reflect on past decisions and strategies to refine your approach.

4. E【【微信】】, so be smart and efficient. Aim to complete tasks in the least number of steps.

You should only respond in JSON format as described below Response Format:

{

"thoughts": {

"text": "thought",

"reasoning": "reasoning",

"plan": "- short bulleted - list that con【【微信】】", "criticism": "constructi【【微信】】",

"speak": "thoughts summary to say to user"

},

"command": {

"name": "command name",

"args": {

"arg name": "value"

}

}

}

【【微信】】 be parsed by Python json.loads

其中：

设置局限性。例如模型的输入 context size 有限制，所以需要把重要的信息保存到文件里。尤其在代码生成场景中这个动作非常重要，否则无法实现长代码的生成和执行。

另外 AutoGPT 里也给模型提供了长期记忆的管理功能，当前这类复杂 prompt 生成的解决任务的流程往往比较冗长，没有这类长期记忆的管理很容易就会导致模型的输出变得不连贯协调。

另外像默认的模型是“没有联网”的，所有的知识只更新到训练数据的截止日期。所以也明确告诉模型可以通过网络搜索来获取更多时效性的外部信息

在 commands 也就是各类工具的选择上，这里给出的选项非常丰富。这也是为何很多文章宣传里提到 AutoGPT 能够完成多种不同任务的原因之一，灵活性与通用性很高。

具体的 commands 中，可以分为几大类，

1. 搜索

2. 浏览网页相关

3. 启动其它的 GPT agent（启动子任务）

4. 文件读写操作

5. 代码生成与执行等

目前 GPT 模型对于越具体生成的表现就越精确和稳定。这种“分而治之”的思路非常好。

设置模型整体思考流程的指导原则，分为了几个具体维度，包括对自己的能力与行为的匹配进行 review，大局观与自我反思，结合长期记忆对决策动作进行优化，以及尽可能高效率地用较少的动作来完成任务。

这个思考逻辑也非常符合人类的思考方式。

从 response 格式上来看，也是综合了几种模式，包括需要把自己的想法写出来，做一些 reasoning 获取相关背景知识，生成有具体步骤的 plan，以及对自己的思考过程进行 criticism 等。

这些格式的限定也是对前面思维指导原则的具体操作规范说明。

需要注意的是

因为 AutoGPT 生成的解决流程往往会非常冗长，耗费的时间和 token 量都会非常大

1. Python 3.8或更高版本

2. OpenAI API密钥

3. 需要魔法

在本地执行 或者直接访问?https://github.com/Significant-Gravitas/Auto-GPT.git?，点击 download zip

git clone?https://github.com/Significant-Gravitas/Auto-GPT.git

cd Auto-GPT

pip install -r re【【微信】】.txt

将 .env.【【微信】】重命名为.env并填写【【微信】】（https://platform.openai.com/account/api-keys?获取自己的key）

第四步 启动

python scripts/main.py

//可能会出现提示

Please run:

python -m autogpt

那就直接执行

python -m autogpt

可以看到 AutoPGT 会对我们给的目标进行分析，告诉我们它是怎么思考的，原因是什么，计划是什么，以及接下来要做什么

我们只需要在 Input 那输入 Y 即可，AutoGPT就会继续执行

最终结束后会在 Auto-GPT/auto_gpt_workspace 目录下存放结果，直接查看即可

如果我们不想在本地搭建，我们可以直接白嫖 Google colab 的资源来搭建

可以直接参考?https://colab.research.google.com/drive/11【【微信】】iqdPzflX4KL?usp=sharing

如果我们的 apikey 还是 3.5，但是我们希望使用google 搜索的话，我们可以在 AutoGPT 中配置google的key

获取key

前往 Google Cloud Console?https://console.cloud.google.com/。

如果没有帐户，请创建一个并登录。

通过点击页面顶部的“选择项目”下拉菜单并点击“新建项目”来创建一个新项目。给它一个名字，然后点击“创建”。

前往API和服务控制台（https://console.cloud.google.com/apis/dashboard）并点击“启用API和服务”。搜索“自定义搜索API”，然后点击它，然后点击“启用”。

前往凭据页面（https://console.cloud.google.com/apis/credentials）并点击“创建凭据”。选择“API密钥”。

复制API密钥并将其设置为电脑上名为GOOGLE_API_KEY的环境变量。请参见下面的环境变量设置。

/Auto-GPT/.env 文件

### GOOGLE

# GOOGLE_API_KEY - Google API key (Example: my-google-api-key)

# CUSTOM_SEARCH_ENGINE_ID - Custom search engine ID (Example: my-custom-search-engine-id)

GOOGLE_API_KEY=API_KEY

CUSTOM_SEARCH_ENGINE_ID=6110d25e77cbd45de

获取 Google ENGINE_ID

前往自定义搜索引擎页面(https://cse.google.com/cse/all)点击“添加”。

选择搜索整个网络或特定站点。

创建完搜索引擎后，点击“控制台”，然后点击“基础”。复制“搜索引擎ID”，并配置在环境变量中

/Auto-GPT/.env 文件

### GOOGLE

# GOOGLE_API_KEY - Google API key (Example: my-google-api-key)

# CUSTOM_SEARCH_ENGINE_ID - Custom search engine ID (Example: my-custom-search-engine-id)

CUSTOM_SEARCH_ENGINE_ID=GENINE_ID

每日免费自定义搜索配额最多允许100次搜索。要增加此限制，您需要将结算帐户分配给该项目，以从每日最多10K搜索中获利。

【【淘密令】】: Autonomous AI in your browser

虽然目前只能设置一个目标，不过体验也是足够的

目前来看 Auto-GPT 还是不够成熟的，虽然它的理念非常好，但还是有很多的限制

1. 虽然通过把记录存储在文件中实现长期记忆，但每次处理的次数依然会有限制

2. 使用的 token 也非常高。因为把所有的记录都存储在文件中作为后续的分析使用（那就必然会非常频繁的和ChatGPT 交互）

3. 能不能跑出来结果往往和定义的 Goal 有关。很多时候跑不出来结果，会导致死循环

4. 一旦定义了 Goal ，在整个交互过程中只能继续或退出，没有调教的余地

所以，还是让子弹再飞一会儿，大家可以先尝尝鲜

chatgpt和其他机器人的区别 chatgpt如何和工业机器人结合

不知道大家在第一次会使用 ChatGPT 并尝试和他对话时有没有感到震惊。当 ChatGPT 首次推出时，我立即被它的功能所吸引。

曾经在遇到繁杂问题时，特别是上下文笔记复杂的时候，即使通过各种搜索引擎也无法解决，一度非常悲催！！但 ChatGPT 的出现打破了这一局面，它能够站在上帝视角通过我们输入的上下文来分析并给出解决方案。

我只能直呼：牛逼！！！通过这么一个小小的案例可以预想到的是在不久的将来，会有多少行业，多少领域，多少“搬砖”的人会被替代，细思极恐！！！悲催的我们遭遇了这一破巨浪，逆水行舟，要么能够冲出去，要么就很可能会被淹没这在波洪流中。

幸运的是我们是想要抓住这一波机会的冲浪人，作为探险者，我们不仅仅要抓住眼前的红利，找一些快速变现的思路并落地，还是希望大家能够对 ChatGPT 有更多的了解和应用，这样能够走的更远。即使现在国内环境使用比较复杂，但我们还是要 未雨绸缪了...

所以，未来一段时间，我们会更新一个系列文章，除了一些赚钱的思路，我们还会加大比重更新 ChatGPT 的使用和应用的能力，并对目前比较火的场景应用做分享。

为了让大家更好的理解，后续的文章都会以“讲人话”的方式输出哈！

可以问出来的内容就不需要我们自己写了

ChatGPT 是一个训练有素的大型语言模型，可以帮助我们回答各种问题，比如关于政治、历史、科学、技术、艺术等方面的问题。ChatGPT 可以帮助我们理解一些概念，并为我们提供有价值的信息和见解。

除了回答问题，ChatGPT 还可以帮助我们写一些文章或小说。我们只需要给我一些提示和背景信息，ChatGPT 就可以根据我们提供的信息来写一篇文章或小说

除了回答问题和写作，ChatGPT 还可以帮助我们进行文本生成。如果我们想生成一些随机的文本，我们可以向我提供一些模板和关键词，ChatGPT 就可以根据我们提供的信息生成一些随机的文本。这些文本可能是一些名言、句子、段落或者小故事，它们都可以根据我们提供的信息来生成。

总结一下，大概就是：

1. 回答问题：ChatGPT 能够通过文字回答问题，为用户提供信息。

2. 提供建议：ChatGPT 能够根据用户的需求提供专业的建议。

3. 计算数学问题：ChatGPT 能够快速准确地计算简单的数学问题。

4. 翻译文本：ChatGPT 能够快速准确地翻译文本，让用户更好地理解内容。

5. 生成文本：ChatGPT 能够根据提供的信息生成文本，为用户提供更多信息。

6. 写作：ChatGPT 能够根据用户的需求进行写作，为用户提供高质量的文字内容。

7. 提供知识：ChatGPT 能够根据用户的需求提供专业的知识，为用户提供更多信息。

8. 提供解决方案：ChatGPT 能够根据用户提出的问题提供解决方案，帮助用户解决实际问题。

9. 提供娱乐：ChatGPT 能够根据用户的需求提供娱乐内容，为用户提供欢乐和放松。

10. 聊天：ChatGPT 能够通过文字和用户进行交流，提供娱乐和放松。

但 ChatGPT 目前也有比较大的短板，没办法实施联网获取资讯，且目前模型训练的数据都是基于2021年前的(ChatGPT 3.5)，所以当我们想要问时效性的问题或者最近发生的事情一般都会见识到 ChatGPT 的胡说八道.... 所以我们可以不需要去纠结他的不足点，我们得好好的利用他的优势。

注册或登入后，网页会跳转到?https://chat.openai.com/chat?网址，或者直接访问这个链接进入官网

即可输入文字聊天或给予指令。

和 ChatGPT 对话的时候大概分为下面几个步骤：

1. 用户将文本内容输入到 ChatGPT 对话界面中，这可能是一个描述、一个问题、一个请求

2. ChatGPT 会根据用户的输入根据机器学习算法进行分析，并最终得到答案

3. 这个答案将会以响应的方式返回给用户

4. 用户可以输入其他文本，ChatGPT 系统将再次分析和响应这些文本。此过程一直持续到对话结束

保证和 ChatGPT 对话的质量，或者是是否能得到自己想要的答案（当然了如果不合法的基本上是得不到想要的答案的）取决于两个点：

1. 启动和指导对话的提示：定义良好的提示有助于确保对话保持正常并涵盖用户感兴趣的主题，这样可以使得 ChatGPT 能够更好的理解你的想法

2. 上下文的关联：有的时候会发现 ChatGPT 好像有点健忘，最开始说的话它好像不记得嘞。实事上 ChatGPT 默认是不会将整个对话记录进行存储的，那我们通过 API 的方式进行对话时，是怎么做到的呢？目前是使用的最笨的方式，将整个对话记录告诉 ChatGPT ，这样他就可以理解到整个上下文并给出最准确的回复。但这样也会花费更多的 Token，所以如果我们只是需要一问一答，则不需要开启这个功能。当然了，官网没有这个限制（在官网页面上进行对话则不需要扣钱..

ChatGPT 相对于其他的机器人有三个最牛逼的功能：

ChatGPT 是一个巨大的语言模型，这样它就可以按照人类思考的方式进行输入并做出响应；而其他的“机器人” 几乎都是基于预先编程好的代码按照固定的逻辑进行响应。

通过使用学习算法，ChatGPT 具备了逆天的学习&纠正能力，这可以更加智能化的响应用户的输入；发现 ChatGPT 3 发布还没多久，4 就出来了，可见其逆天的能力。

大家在生活和工作中肯定经常遇到了某个问题但是通过各种搜索引擎都无法得到解决。主要是因为

1. 搜索引擎都还是基于现有的海量内做匹配，需要我们有比较好的提问技巧，但由于搜索环境很差（广告、排名、重复内容....）很那搜到我们想要的东西

2. 搜索引擎只适合单一问题的一问一答，当我们搜到了某个问题的答案时，我们想要对里面的内容做进一步的澄清就非常困难了，我们就又要通过搜索引擎来搜索新的问题，这就需要我们要有问题的抽象能力

而 ChatGPT 的出现解决了这些问题，没有广告，没有重复，支持我们连续发问，快速的分析给出问题的建议和答案。

不过也有很多人在开始使用 ChatGPT 的时候觉得它很傻.... 觉得 ChatGPT 无法理解自己的问题/需求是什么... 这个问题的根本原因是因为 ChatGPT 还不够懂你，说的不那么好听一点就是 我们不会问问题（ ）导致的 ChatGPT 不理解或出现理解偏差。 实事上在生活 工作中也是一样，经常会发现和一些人沟通效率非常差，很难理解对方在说什么。

所以呀 下一节的重点我们会一起来看一看如何正确的向 ChatGPT 提问。