Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

GitHub星标超16万,爆火AutoGPT进阶版来了:定制节点、多智能体协同

当然,下一代 AutoGPT 仍是开源的。

还记得去年 AI 大牛 Andrej Karpathy 大力宣传的「AutoGPT」项目吗?它是一个由 GPT-4 驱动的实验性开源应用程序,可以自主实现用户设定的任何目标,展现出了自主 AI 的发展趋势。

一年多的时间,该项目的 GitHub 星标总数已经超过了 16 万,足可见其持续受欢迎的程度。

图片

GitHub 地址:https://github.com/Significant-Gravitas/AutoGPT

昨日,项目作者在社媒 X 上宣布了下一代「AutoGPT」的到来,目前是 Pre-alpha 版本。与前代相比,下一代「AutoGPT」让构建、运行和共享 AI 智能体变得比以往任何时候都更容易,同时可靠性也大大提升。

图片

                                  图源:https://x.com/SigGravitas/status/1812803289739633018

作者展示了如何使用下一代「AutoGPT」快速构建、部署并使用 Reddit 营销智能体,可以自动回复评论,执行其他复杂任务。新系统不再像初版「AutoGPT」那样不可靠和低效。

图片

当被问到该项目是否可以构建多智能体驱动的应用程序时, 作者给出了肯定回答并表示这是构建该项目的重要原因。

现在,你可以设计一个图表,让多个专家智能体协同解决问题。SubGraphs 也即将发布,可以帮助简化复杂图表的处理。

图片

该项目还可以自定义添加节点,并且手动编写新块(下文提到的关键特性)非常简单。作者发现,这方面 Claude 做得非常出色,可以完美地创建自定义块。

图片

当然,该项目的两个主要组件(即下文提到的 Server 和 Builder)可以在不同的机器上运行。

图片

不过,对于下一代「AutoGPT」,作者承认它仍处于非常早期的阶段,存在缺陷且比较基础,但还是希望从一开始就与大家分享并开源出来。

图片

主要组件和关键特性

该项目具有以下两个主要组件,分别是后端的 AutoGPT Server 和前端的 AutoGPT Builder。其中 Server 负责创建复合多智能体系统,将 AutoGPT 智能体和其他非智能体组件用作其原语(primitive)。

  • AutoGPT Server (Backend): 

  • https://github.com/Significant-Gravitas/AutoGPT/tree/master/rnd/autogpt_server

  • AutoGPT Builder (Frontend): 

  • https://github.com/Significant-Gravitas/AutoGPT/tree/master/rnd/autogpt_builder

设置和运行 Server 和 Builder 的具体步骤如下:

  • 导航到 AutoGPT GitHub 存储库;

  • 单击「代码」(Code)按钮,然后选择「下载 ZIP」;

  • 下载后,将 ZIP 文件解压到你选择的文件夹中;

  • 打开解压的文件夹并导航到「rnd」目录;

  • 进入「AutoGPT Server」文件夹;

  • 在「rnd」目录中打开一个终端窗口;

  • 找到并打开 AutoGPT Server 文件夹中的 README 文件;

  • 将 README 中的每个命令复制并粘贴到你的终端中(重要提示:等待每个命令完成后再运行下一个命令);

  • 如果所有命令运行均无错误,请输入最后一个命令「poetry run app」;

  • 在终端中看到服务器正在运行;

  • 导航回「rnd」文件夹;

  • 打开「AutoGPT builder」文件夹;

  • 打开此文件夹中的 README 文件;

  • 在终端中运行以下命令:

npm install
npm run dev
Once the front-end is running, click the link to navigate to localhost:3000.
  • 前端运行后,单击链接导航到「localhost:3000」;

  • 单击「构建」(Build)选项;

  • 添加几个块来测试功能;

  • 将块连接在一起;

  • 单击「运行」;

  • 检查你的终端窗口。此时应该看到服务器已收到请求、正在处理请求并已执行请求。

按照以上步骤,你就可以成功地设置并测试 AutoGPT。

                               视频来源:https://github.com/Significant-Gravitas/AutoGPT/tree/master/rnd/

除了两个主要组件外,下一代「AutoGPT」的关键特性是使用「块」(Blocks)来构建智能体。你可以将一些高度模块化的功能结合起来,创建自定义行为。

目前,项目已经为 Reddit 发帖、Discord 消息发送和维基百科摘要获取等操作提供了相应的块。同时在设计时追求易创建和使用。以下是维基百科摘要获取的块示例:

class GetWikipediaSummary(Block):
    class Input(BlockSchema):
        topic: str
    class Output(BlockSchema):
        summary: str
    def **init**(self):
        super().__init__(
            id="h5e7f8g9-1b2c-3d4e-5f6g-7h8i9j0k1l2m",
            input_schema=GetWikipediaSummary.Input,
            output_schema=GetWikipediaSummary.Output,
            test_input={"topic": "Artificial Intelligence"},
            test_output={"summary": "Artificial intelligence (AI) is intelligence demonstrated by machines..."},
        )
    def run(self, input_data: Input) -> BlockOutput:
        response = requests.get(f"https://en.wikipedia.org/api/rest_v1/page/summary/{input_data.topic}")
        summary_data = response.json()
        yield "summary", summary_data['extract']

作者表示,这仅仅是个开始,未来还将添加更多块,并改进 UI,大幅提升整体体验和功能。

产业AutoGPT
相关数据
多智能体系统技术

一个多智能体系统,是由一个在一个环境中交互的多个智能体组成的计算系统。多智能体系统也能被用在解决分离的智能体以及单层系统难以解决的问题。智能可以由一些方法,函数,过程,搜索算法或加强学习来实现。尽管存在相当大的重叠,然而一个多智能体系统并不总是一个基于智能体的模型表现一致。

推荐文章
暂无评论
暂无评论~