AI 代理简介：从 Auto-GPT、AgentGPT 到 BabyAGI 的入门指南

AI 代理与 ChatGPT 有何关系？

解释 AI 代理需要掌握一些术语。请查看以下定义：

• 大型语言模型（LLM）是一类用于生成文本的机器学习模型。
• OpenAI 的 GPT是当前最流行的 LLM。最新版本是 GPT-4，但之前的 GPT-3.5-turbo 仍在使用中。
• 聊天（chatting）是一种工作流程：您向 AI 发送文本提示，AI 返回文本响应。
• 嵌入（embedding）是一种工作流程：您向 AI 发送文本提示，AI 返回该文本的数值表示。将文本表示为数字有助于搜索、推荐和分类等任务。
• OpenAI 的 ChatGPT是一个网页应用，为与 GPT 聊天提供便捷的用户界面。

正如 ChatGPT 是由 GPT LLM 驱动的网页应用，本教程涵盖的三种 AI 代理也都是由 GPT 驱动的应用程序。

这些 AI 代理试图解决的主要问题，是尽量减少 AI 完成任务所需的人机交互量。

AgentGPT 和 BabyAGI 本质上是“循环调用的 GPT”，即反复调用 GPT，将用户请求拆解为可求解的问题，并对每一步的输出不断打磨，直到成功完成各个子任务。

Auto-GPT 更进一步，为 AI 代理提供了互联网访问能力和运行代码的能力，使其能够解决更广泛的问题。

以下创新值得讨论。

长期记忆

LLM 会基于对话中的前文（包括用户提示和 AI 响应）来生成词语。然而，LLM 的记忆相当短：许多模型只能记住几百个词，最先进的 GPT-4 默认也只能记住约 6000 个词。当对话长度超过 LLM 的记忆上限时，回复之间可能会出现前后不一致。

对于大多数用例，这不是问题。但在某些情况下，确保完整对话——甚至先前的对话——被记住至关重要。聊天机器人以及其更高级的“亲戚”AI 代理，正是这种例子。

为 AI 代理提供记忆，是通过嵌入工作流程将对话文本以数字形式存储来实现的。每个用户提示或 AI 响应都会以一个表示其含义的数组形式存储。

这些数值数组存储在向量数据库中。目前，Auto-GPT 和 BabyAGI 使用 Pinecone（该领域的领军者），AgentGPT 团队也在开发对此功能的支持。

网页浏览能力

如果您向 ChatGPT 询问近期事件的问题，它会告诉您无法回答，因为它只在 2021 年 9 月之前的数据上训练。再次强调，这一限制对很多应用并不构成问题，但如果您的任务涉及最新事件或信息，就会带来麻烦。

该问题的一个解决方案，是赋予 AI 网页浏览能力，以访问互联网并自行查找答案。

Auto-GPT 可以通过 Google 搜索 API 自行开展研究。

这一功能略具争议：AgentGPT 和 BabyAGI 的开发者目前没有加入该功能，更倾向于将 AI 的知识限制在 GPT 的已知范围内。

运行代码

尽管 GPT 等 LLM 能从零生成代码、调试或改进现有代码，但它们无法真正运行代码。

Auto-GPT 可以执行 shell 与 Python 代码。这意味着它既能写代码又能运行代码。

这带来的一项强大能力是：它可以编写与其他软件交互的代码，然后运行它。这意味着它可以借助其他软件来完成任务。

AI 代理有哪些应用场景？

关于如何使用 AI 代理，目前仍处于非常早期的探索阶段。许多示例都是自动化个人助理的变体，比如新一代的 IBM Watson Assistant。

FirstSales.io 的 CEO Udit Goenka 在Twitter 上发文称，他使用 Auto-GPT 构建了一个潜在客户挖掘引擎。推文截图显示，AI 代理制定了一个搜索计划，查找过去一年内获得种子轮融资的公司（也就是应该有可用资金的潜在客户），并描述了创建列表的细节（提取公司名称和网址）。

Udit Goenka 的推文

谷歌软件工程师 Yew Jin Lim 发文称，他使用 Auto-GPT 创建了一个邮件助理（Github 仓库）。推文中的视频展示了 Yew Jin 如何向 AI 代理发送包含任务细节的电子邮件，以及该代理如何执行将事件添加到日历等任务。

Yew Jin Lim 的推文

AI 代理的风险与局限有哪些？

关于使用 AI 的共识性建议是：大多数任务在引入人工审查环节以校验 AI 行为时，效果更佳。请记住，AI 的定位应是助理而非专家（而且这个助理有时还会“幻觉”）。以下几点提醒应予以重视。

让 AI 持续运行可能很昂贵

通过 OpenAI API 调用一次 GPT 的成本相当低（以 GPT-3.5 为例，通常不到 1 美分，具体取决于输出量；GPT-4 更贵），但使用本文讨论的任一 AI 代理来执行复杂任务，可能涉及数百甚至上千次 API 调用。

建议在流程中设置断点，要求人工授权后再允许 AI 继续运行。

给予 Auto-GPT 访问软件的权限可能很危险

虽然可以为 Auto-GPT 提供访问任何 API 的权限，但如果您让它代表您自动买入股票，您需要做好亏光账户中所有资金的准备。同样，给它对公司数据库的写入权限也是个坏主意。

超越个人或企业损失层面，一些 AI 研究人员认为，先进的 AI 可能带来更大的，甚至是生存层面的威胁。尽管最初尝试利用 Auto-GPT 摧毁人类并未成功，但仍值得铭记机器智能研究院高级研究员 Eliezer Yudkowsky 发出的警告。

要想象一个充满敌意的超人类 AI，不要把它想成是潜伏在互联网上、只会发送恶意邮件的“书呆子”。请把它想象成一个完整的外星文明，以人类百万倍的速度思考，最初被限制在计算机中——身处一个在它看来“非常愚笨且非常缓慢”的生物世界。足够聪明的 AI 不会长久被困在计算机里。在当今世界，您可以把 DNA 序列通过电子邮件发送到实验室，那些实验室会按需合成蛋白质，从而使得最初被限制在互联网中的 AI 能够构建人造生命体，或直接跨越到后生物的分子级制造。

如果在当前条件下有人构建了过于强大的 AI，我预计地球上每一位人类以及所有生物生命，都会在不久之后全部死亡。

尽管这显然是最糟糕的情形，但值得思考不受约束的 AI 可能带来的危险。

如何使用 AI 代理？

若您想亲自试用这些 AI 代理，有一些网站可供体验。如果要更严肃地使用，您需要在自己选择的开发平台上安装它们。

无论您使用哪种代理、以及如何使用，您都需要获取一个 OpenAI API 密钥。相关说明见教程在 Python 中通过 OpenAI API 使用 GPT-3.5 和 GPT-4。

如果您想安装这些 AI 代理，请注意它们都是命令行应用程序，在当前阶段都需要花一些精力进行配置。

网页界面

AI 平台 Hugging Face 提供了Auto-GPT 的托管版本。您只需提供 OpenAI API 密钥，然后为 AI 指定角色和若干目标即可。

God Mode（以电子游戏中的上帝模式命名）同样允许您输入 OpenAI API 密钥，并直接给 Auto-GPT 指定要完成的任务。

对于 Replit 用户，您也可以fork 这个 repl，并提供您的 OpenAI API 密钥。

AgentGPT 团队提供了演示版本的 AI 代理，但作为免费版本，它大约运行两分钟后会终止。

目前我尚未找到 BabyAGI 的托管版本。

安装 Auto-GPT

Auto-GPT 是一个命令行应用程序，在当前阶段需要花一些精力来设置。您可以查阅详细的安装文档以便上手。

本指南假定您可以访问一个 shell（如 bash 或 zsh），并已安装 git 和 Python。

克隆 Auto-GPT 仓库

在终端中，克隆 Auto-GPT 仓库。

git clone https://github.com/Significant-Gravitas/Auto-GPT.git技术支持

进入刚创建的 Auto-GPT 目录，并检出 stable 分支

cd Auto-GPT
git checkout stable技术支持

获取 API 密钥

Auto-GPT 要求您拥有 OpenAI API 密钥（用于访问 GPT）。免费账户每分钟仅允许进行 3 次 API 调用，这不足以与 Auto-GPT 搭配使用，因此您需要开通付费账户。相关说明见我们的教程在 Python 中通过 OpenAI API 使用 GPT-3.5 和 GPT-4。

您还可以选择使用 Pinecone API（用于存储）、ElevenLabs API（用于语音接口）、Google API（用于搜索）以及 Twitter API（用于推广您刚刚构建的内容）。

配置 Auto-GPT

Auto-GPT 会将所有 API 密钥存储在名为 .env 的配置文件中。

请注意，以这种方式将 API 密钥存储在纯文本文件中并非良好的安全实践，因此您应只在安全环境中运行 Auto-GPT，例如本地机器；或者在使用后使您的 API 密钥失效。

复制 .env.template 文件，并命名为 .env。

在文本编辑器中，找到以 OPENAI_API_KEY= 开头的行，在其后添加您的 OpenAI API 密钥，且不要包含空格或引号。

以同样的 key=value 格式添加任何其他 API 密钥。

运行 Auto-GPT

可通过 run.sh shell 脚本（Windows 上为 run.bat）运行 Auto-GPT。

如需获取脚本的使用帮助，请使用 --help 参数。

sh run.sh --help
技术支持

请注意，脚本在显示用法详情前，会进行大量 Python 包版本检查。

要启动一个 Auto-GPT 助理，只需在不带 help 参数的情况下运行同一命令即可。

sh run.sh
技术支持

在完成包检查后，Auto-GPT 会询问您三件事：

1. 为您的 AI 助理命名。
2. 描述您的 AI 的角色。
3. 为 AI 助理提供最多五个要尝试达成的目标。

安装 AgentGPT

AgentGPT 在其 GitHub 仓库的README 中提供了简要的上手说明。

克隆 AgentGPT 仓库

在终端中，克隆 AgentGPT 仓库。

git clone https://github.com/reworkd/AgentGPT.git
技术支持

进入刚创建的 AgentGPT 目录。

cd AgentGPT
技术支持

运行安装脚本

有一个 bash 脚本可用于设置该 AI 代理。

bash setup.sh --local
技术支持

首先系统会要求您输入 OpenAI API 密钥，然后按 ENTER。

系统可能会请求访问您的桌面文件以及接受传入的网络连接。请接受。

几秒钟后，您应会收到类似如下的消息：

ready - started server on 0.0.0.0:3000, url: http://localhost:3000
技术支持

复制该 URL 并将其粘贴到浏览器地址栏。AgentGPT 将打开，并显示欢迎信息。

部署您的 Agent

为您的代理命名并设定目标，然后点击“Deploy Agent”。 

安装 BabyAGI

BabyAGI 在其 GitHub 仓库的README 中提供了一些（非常简略的）文档。

克隆 BabyAGI 仓库

在终端中，克隆 BabyAGI 仓库。

git clone https://github.com/yoheinakajima/babyagi.git
技术支持

进入刚创建的 BabyAGI 目录。

cd BabyAGI
技术支持

安装所需 Python 包

使用 pip 安装运行 BabyAGI 所需的包。

pip install -r requirements.txt
技术支持

配置 BabyAGI

创建一个名为 .env 的配置文件。

cp .env.example .env
技术支持

编辑该配置文件。您可以使用任意终端文本编辑器；此处我们使用 vim。

vim .env
技术支持

按 i 进入插入模式。

• 在以 OPENAI_API_KEY= 开头的行后，追加您的 OpenAI API 密钥。
• 在以 INSTANCE_NAME= 开头的行中，可选地为您的 AI 代理指定一个名称。
• 在以 OBJECTIVE= 开头的行中，为您的 AI 代理设定要达成的目标。

运行 BabyAGI

运行 BabyAGI 脚本。

python3 babyagi.py技术支持

Auto-GPT 示例

作为测试，我将 AI 助理命名为“Jeff”，将其描述为“撰写 AI 教程的数据科学专家”，并给它的目标是“编写一篇关于 Auto-GPT 的教程”。

Auto-GPT 会定期提示您授权其执行下一步任务，无论是上网搜索更多信息，还是写入文件。按 “y” 允许其继续，或提供文字反馈。

在 Auto-GPT 尝试撰写教程几分钟后，它生成了这份教程文件。

它并不是一篇优秀、甚至不是事实准确的教程。因此，一如既往，在使用 AI 时，您需要在提示中非常明确地提出需求，并密切关注 AI 的行为。

更进一步

Auto-GPT、AgentGPT 和 BabyAGI 等 AI 代理代表着 AI 领域的重要飞跃，使我们更接近真正自主 AI 系统的愿景。随着这些代理以最少的人为干预朝着目标推进，它们为个人助理、问题求解器等广泛应用打开了大门。

为在瞬息万变的环境中保持领先，我们鼓励您拓展在数据科学、机器学习与 AI 方面的知识与技能。查看以下资源了解更多：

• OpenAI API（Python）速查表
• 在数据科学项目中使用 ChatGPT 教程
• ChatGPT 入门课程
• 什么是 GPT-4？为何重要？