最简单的网站怎么做,网站建设与维护教学视频教程,chatgpt中文在线,上海市建设三类人员报名网站什么是Agent
OpenAI 应用研究主管 Lilian Weng 在一篇长文中提出了 Agent LLM#xff08;大型语言模型#xff09;记忆规划技能工具使用这一概念#xff0c;并详细解释了Agent的每个模块的功能。她对Agent未来的应用前景充满信心#xff0c;但也表明到挑战无处不在。
现…什么是Agent
OpenAI 应用研究主管 Lilian Weng 在一篇长文中提出了 Agent LLM大型语言模型记忆规划技能工具使用这一概念并详细解释了Agent的每个模块的功能。她对Agent未来的应用前景充满信心但也表明到挑战无处不在。
现有的 Agents 项目如 AutoGPTBabyAGI 和 MetaGPT 的成功验证了LLM的潜力。LLM 不仅仅是一个文本生成工具它可以成为一个强大的通用问题解决器。无论是写作、故事、论文还是程序等LLM 都能应对自如。它展现了巨大的潜力在解决现实世界难题方面具备强大的能力。
BabyAGI 的创造者 Yohei Nakajima 曾说“The future of autonomous agents looks like everybody becoming a manager.” 这句话很好地概括了我们对 Agents 的展望。 Agent的HelloWorld工作流实例
假设有一个协助研究的 Agent我们希望获取关于 Twitter 的最新新闻摘要
我们告诉 Agent “你的目标是找出关于Twitter的最新消息然后给我发一份摘要”。
Agent查看目标并使用像OpenAI的GPT-4这样的AI进行阅读理解它提出了第一个任务“在谷歌上搜索与Twitter相关的新闻。”
然后Agent 在谷歌上搜索 Twitter 新闻找到热门文章并返回链接列表。第一个任务已完成。
现在Agent 回顾主要目标获取关于Twitter的最新新闻并发送摘要以及它刚刚完成的内容获得一系列关于Twitter的新闻链接并决定其下一个任务需要是什么。
它提出了两个新任务。1写新闻摘要。2阅读通过谷歌找到的新闻链接的内容。
在继续之前智能助理会稍作停顿以确保正确安排这些任务。它反思是否应该先写摘要。然而它决定首要任务是阅读通过谷歌找到的新闻链接的内容。
Agent 阅读文章内容然后再次查看待办事项列表。它考虑添加一个新任务来总结所阅读的内容但是发现这个任务已经在待办事项列表中因此不会重复添加它。
Agent 检查待办事项列表只剩下一项任务撰写所阅读内容的摘要。于是它执行了这个任务按照您的要求向您发送了摘要。 AutoGPT
AutoGPT 是一个由Toran Richards创建的流行开源项目github有接近15万星。它利用GPT4作为大脑结合langchain的链接思想连接各种工具和互联网资源来完成人类给予的任务。
您只需要设定一个目标AutoGPT就会自主规划并逐步执行任务。如果遇到问题它会自主拆分任务并逐步解决。
AutoGPT 所做的事情就是把电脑的控制权、向量空间的云存储、各种工具的API交给了AI。借此它可以分析市场并提出交易策略、客户服务、营销、财务或其他需要持续更新的任务。
这就是为什么 Karpathy 最近说“AutoGPT 是提示工程的下一个前沿”
AutoGPT 相当于给基于 GPT 的模型赋予了内存和主体。您现在可以将任务交给 AI 代理让它自主制定计划、执行计划、浏览网页并使用新数据修改策略直到任务完成。
AutoGPT由以下三个组成部分构成
架构它通过 API 调用 GPT-4 和 GPT-3.5。
自主迭代AutoGPT通过自我评估改进其输出利用以前的行动和提示历史以获得更准确的结果。
内存管理与 pinecone 的集成让 AutoGPT 能够长期内存存储支持上下文保存和改进决策。
此外AutoGPT还具备多功能性例如文件操作、网页浏览和数据检索等功能使其应用范围更广。
快速体验AutoGPT:以Cognosys为例
让我们以Cognosys为例看看如何使用他们的平台来应用AgentGPT来总结最新新闻。
Cognosys 一款类AutoGPT 的在线工具;不需要绑定OpenAI 的API Key
首先访问Cognosys网站。
输入Agent的名称和您想要达到的目标让AgentGPT知道您的需求。
选择模式为Browsing让AgentGPT拥有联网能力
点击提交AgentGPT会利用其强大的自然语言处理能力来搜索最新的新闻并呈现出相关的摘要。
您可以阅读并评估生成的新闻摘要如果需要还可以对其进行修改或完善让摘要更贴合您的需求。
除此之外
AI平台Hugging Face提供了托管版本的AutoGPT。您只需要提供OpenAI API密钥为AI指定角色和一些目标即可
对于Replit用户您还可以fork此repl并为其提供您的OpenAI API密钥来体验
godmode也允许您输入OpenAI API密钥后直接体验AutoGPT
恭喜你掌握了第一个 Agent AgentGPT AgentGPT 的自我介绍
AgentGPT: Create and run an autonomous agent (AutoGPT) from a website, no login required.
AgentGPT 是一个基于 Langchain 和 OpenAI 基础构建的 AI Agent。它是一个 AI 代理平台使您能够在浏览器或个人计算机中创建、配置和部署自主 AI 代理。
AgentGPT 允许您配置和部署自治 AI 代理。命名你自己的自定义 AI让它开始实现任何可以想象的目标。它将尝试通过思考要做的任务、执行它们并从结果中学习来达到目标。
AgentGPT 和 AutoGPT 之间的区别
AutoGPT 是一款功能强大的 AI 工具。但在开始使用之前您需要设置 Git、安装 Python、下载 Docker 桌面程序并获取 OpenAI API 密钥。
AgentGPT 实际上是基于 AutoGPT 架构进行了改进为您增加了一个网页界面摆脱了繁琐的搭建和安装过程。从本质上来说它就是一个 AutoGPT您无需自行搭建也不必担心繁杂的构建步骤只需要登录网站就可以使用。
简单使用
前置准备在使用AgentGPT之前您需要获取OpenAI API密钥。访问 OpenAI 网站 https://www.openai.com/。
AgentGPT 注册步骤如下
访问 AgentGPT 平台https://agentgpt.reworkd.ai/
在 reworkd.ai 上创建一个帐户并通过提供您的名称和目标来部署您的代理
在我们的例子中我们要求 AgentGPT 开发一个能够人脸识别的 Web 应用程序。这里我部分截取了中间的运行效果AgentGPT成功帮我生成了一个人脸识别的 Web 应用期间无需写任何代码
自己部署
感兴趣的小伙伴也可以尝试自己在本地部署 Agents Vercel一键部署AgentGPT
Vercel目前已经支持自主一键部署AgentGPT HuggingGPT
HuggingGPT是一个多模型调用的 Agent 框架利用 ChatGPT 作为任务规划器根据每个模型的描述来选择 HuggingFace 平台上可用的模型最后根据模型的执行结果生成总结性的响应。
这个项目目前已在 Github 上开源并且有一个非常酷的名字叫做 JARVIS钢铁侠的助手。这项研究主要涉及到两个主体一个是众所周知的 ChatGPT另一个是 AI 社区中的 Hugging Face。
在HuggingGPT中ChatGPT充当了”操作大脑”的角色能够自动解析用户提出的需求并在Hugging Face的AI模型库中进行自动模型选择、执行和报告为我们开发更复杂的人工智能程序提供了极大的便利。 MetaGPT
MetaGPT引入了一个将人工工作流程与多智能体协作无缝集成的框架。通过将标准化操作SOP 程序编码为提示MetaGPT确保解决问题时采用结构化方法从而减少出错的可能性。
当前 Agent 的解决方案存在一个问题尽管这些语言模型驱动的 Agent 在简单的对话任务上取得了显著进展但在面对复杂任务时LLM 会陷入困境仿佛看到了并不存在的事物幻觉。当将这些 Agent 串联起来时就会引发混乱的连锁反应。
现在 MetaGPT 引入了标准化操作程序。这些操作程序就像作弊码一样用于顺利协调工作。它们告诉代理们发生了什么事以有条不紊的方式指导他们。
借助这些操作程序代理几乎可以像领域专家一样熟悉他们的工作并验证输出以避免错误。就像高科技流水线一样每个代理都扮演着独特的角色共同理解复杂的团队合作。
为什么 MetaGPT 很重要
MetaGPT 提供了一个全新的视角。这就是它掀起波澜的原因
稳定的解决方案借助SOP与其他 Agents 相比MetaGPT 已被证明可以生成更一致和正确的解决方案。
多样化的角色分配为LLM分配不同角色的能力确保了解决问题的全面性。
MetaGPT 软件开发过程 需求分析收到需求后该过程开始。这一阶段致力于明确软件所需的功能和要求。
扮演产品经理产品经理以需求和可行性分析为基础开启整个流程。他们负责理解需求并为项目制定明确的方向。
扮演架构师一旦需求明确架构师将为项目创建技术设计方案。他们负责构建系统接口设计确保技术实现符合需求。在MetaGPT中架构 Agent 可以自动生成系统界面设计如内容推荐引擎的开发。
扮演项目经理项目经理使用序列流程图来满足每个需求。他们确保项目按计划前行每个阶段都得到适时执行。
扮演工程师工程师负责实际的代码开发。他们使用设计和流程图将其转化为功能完备的代码。
扮演质量保证QA工程师在开发阶段结束后QA工程师进行全面的测试。他们确保软件符合所需标准不存在任何错误或问题。
实例
举个例子当你输入
python startup.py “Design a RecSys like Toutiao”
MetaGPT会为你提供多个输出其中之一是有关数据和API设计的指导。 生成一个包含分析和设计示例的成本大约为0.2美元使用GPT-4 API而完整项目的成本约为2.0美元。通过这种方式MetaGPT提供了低廉的解决方案让你能够快速获取所需的信息和指导。
快速体验
目前MetaGPT暂无在线体验版本。这里我会列出docker的安装方法最大程度减少大家安装面对的环境难度
# Step 1: Download metagpt official image and prepare config.yaml docker pull metagpt/metagpt:v0.3.1 mkdir -p /opt/metagpt/{config,workspace} docker run --rm metagpt/metagpt:v0.3.1 cat /app/metagpt/config/config.yaml /opt/metagpt/config/key.yaml vim /opt/metagpt/config/key.yaml # Change the config
# Step 2: Run metagpt demo with container docker run --rm \ --privileged \ -v /opt/metagpt/config/key.yaml:/app/metagpt/config/key.yaml \ -v /opt/metagpt/workspace:/app/metagpt/workspace \ metagpt/metagpt:v0.3.1 \ python startup.py Write a cli snake game # You can also start a container and execute commands in it docker run --name metagpt -d \ --privileged \ -v /opt/metagpt/config/key.yaml:/app/metagpt/config/key.yaml \ -v /opt/metagpt/workspace:/app/metagpt/workspace \ metagpt/metagpt:v0.3.1 docker exec -it metagpt /bin/bash $ python startup.py Write a cli snake game 将Write a cli snake game更换成你喜欢的命令试试吧 Autogen
由微软开发的 Autogen 是一个新的 Agents 项目刚一上线就登上GitHub热榜狂揽11k星
项目地址https://github.com/microsoft/autogen
Autogen 允许你根据需要创建任意数量的Agents并让它们协同工作以执行任务。它的独特之处在于允许 Agent相互通信并解决任务。例如你可以设置三个角色产品经理、程序员和设计师让他们之间讨论如何实现一个产品并给出 Demo 代码。
不需要写复杂的prompt设定AgentsAgent 自己聊着天就把事给办了
诞生了哪些好玩的AutoGen应用
几秒钟生成游戏
模拟世界允许用户阅读时自己参与与主角交互
可视化数据分析
除此之外官方还放出了6个应用案例包括解决数学问题、多智能体编码、在线决策制定、基于检索增强聊天、动态群聊以及对话式国际象棋。
充分展示了AutoGen的定制性 AI AIgents时代- Autogen-CSDN博客 OpenAgents
OpenAgents一个声称在Interface和Environment上全方面超越AutoGPTOpenInterPreter等框架
接下来我们逐步拆解OpenAgents的独特之处OpenAgents开发的LLM-powered代理XLang集成了三个功能强大的代理:DataAgent、PluginAgent、webAgent
技术细节 OpenAgents基于LangChain构建了XLang Agents使用ReAct范式进行思考、行动和观察来完成任务。OpenAgents填补了LangChain的一些空缺包括提供全面的工具集、实现Web用户界面和后端服务器、创建DataModel类以便信息呈现以及改进提示。Web用户界面允许用户通过自然语言反馈与Agent交互而记忆组件则将多轮用户反馈作为历史上下文的一部分传递给Agent。
RL Agent:
ReAct Agent:
XLang Agents:
AI AIgents时代-六.OpenAgents-CSDN博客
