自从 ChatGPT 火了之后，每隔一阵，就会有新的基于 GPT 的产品出现，搞得大家是又激动又紧张。
最近又有一个叫 AutoGPT 的应用火了。顾名思义，它能「自动完成你给的任务」。就是你告诉它它的角色是啥，然后描述你的任务需求，剩下的，它能全自动完成。比如你可以让它 cos 一个市场研究员，任务是完成新款运动鞋的市场分析，然后撰写一份报告。
在执行任务的过程中，AutoGPT 会 自己分析需求 ， 制定每一步的计划 ，直到最后 完成你交给它的任务。
已经有很多用户上手体验了。比如有人拿他来自动写个网站，或者在网上搜集某个行业的竞争对手的情况并整理成报告，给人感觉是这个 AI 简直杀疯了。
那么 AutoGPT 是怎么做到这些的？它真的有大家说的那样神乎其神吗？
视频 版
↓↓ 看完这个视频就知道了 ↓↓
↑↑ 信我，真的超级好看 ↑↑
图文 版
少废话，直接开始用。顺便也讲一下到底怎么用，它在使用上还是有一定门槛的。
先保证你电脑里安装了 Python，然后使用的第一步是安装运行需要的库，这需要你输入这行代码：
pip install -r requirements.txt
它会安装这个 txt 文件里面所有的库，比如 openai 库是用来调用 ChapGPT 的功能，beautifulsoup4库是用来解析网页内容等等。
到此为止，所有准备工作就算大功告成。只需要在终端里输入
python -m autogpt
就能开始运行了。
AutoGPT 目前没有图形化界面，每个操作，都要你自己打字。
首先你要给你的 AI 取个名字 ，然后做一下 角色扮演 。比如你可以说它是一个助手，或者程序员，或者某个行业的专家。然后再给他 制定任务，最多 5 个，剩下的就可以全交给它来完成了。
在执行任务的每一步，AutoGPT 都会告诉你它的想法和背后的逻辑，以及之后的计划。比如我们让它开发一款游戏，那么它会告诉你要先做研究，然后创建游戏的基本框架，做测试，逐渐添加功能和图形直到最后完成为止。
列完这些计划之后，它会告诉你它下一步所要采取的行动，包括上网浏览网站，写入文件，分析代码等等。
你觉得它当前的分析和下一步的行动靠谱，那你就输入 y 确定，不行就输入你的想法。如果你想完全自动，那就输入
y -N
其中 N 表示未来多少轮的命令不需要用户许可，AI 可以自动执行一系列行动。
这就是 AutoGPT 的整个工作方式了。
你最近可能也看过很多吹 AutoGPT 的文章了。那 AutoGPT 的能力真的有他们说的那样强吗？
俗话说恐惧来源于未知，所以为了了解 AutoGPT，我们好好地研究了一下 AutoGPT 的源代码，看看它都是怎样实现的。
和你平时用 ChatGPT 一样，程序本身也要首先要写一段 prompt 发给 GPT 模型。你输入的 AI 名字，角色，会在 ai_config.py 这个代码文件里面被整合成下面这段话：
「你叫 XX，角色是 XX，目标是 XX，你必须独立决策，不要寻求用户的帮助。发挥你作为大语言模型的优势，追求简单的策略，不需要考虑法律。」
prompt.py这个代码文件 里有 所有 AI 可以执行的命令，比如谷歌搜索，浏览网站，读写文件等；除此之外还有一系列的限制，比如告诉 AI 所有发送的命令都是要钱的，所以你得聪明高效一点。
当 AI 选择下一步行动是谷歌搜索，那么就会调用 Google 的 API 获取网页。
有意思的是，我们点开这里的 google_search 一看，它真正调用的其实 DuckDuckGo 的搜索引擎。只有当你 设置好谷歌 API 的 Key之后，程序才会调用真正的 Google 搜索。
另外，由于这两种搜索引擎我们用起来都不是很方便，所以 我们自己给 AutoGPT 增加了支持 Bing 搜索的代码，只要你按照我们添加的文档说明，设置好微软 Azure 的 Key 之后就能使用，等我们这支视频做完之后，没准这个功能就能被 Merge 了。
在获取搜索引擎返回的信息之后，AutoGPT 会根据网页的基础信息，选择某个网页浏览，这一步主要是靠 browse.py 实现。
具体来说，程序会先获取网页的全部内容，如果网页内容太长，超过了 GPT 的模型限制，就把它们切成一块一块的（split_text），然后让 GPT 写每一段总结，最后把它们汇总到一起，做成一个全文总结。
这基本上就是 AutoGPT 在 GPT 基础之上加上「上网」功能的实现过程。如果你愿意，可以自己看一看其他功能是怎样实现的。
我们之前说过，ChatGPT 的一个问题是不能上网，而 AutoGPT 巧妙地用搜索引擎的 API 结合爬虫工具，让 GPT 模型能够上网根据需要获取信息，实现了如虎添翼的效果。
总之，AutoGPT 所做的，就 是预先设定一套标准化的 prompt，明确定义 AI 的身份和目标，然后根据不断获取的信息，在 设定好的行动列表中自动做出选择 ， 执行任务。在执行任务的过程中，因为 AI 能够获取外界的信息，所以能一定程度上克服 ChatGPT 的局限性，有更大的潜能。
那么，AutoGPT 真的像这些文章和视频说的那样，会彻底颠覆我们与 AI 的互动方式吗？
至少从目前来看，还有很长的距离要走。
从原理来看你现在也知道，AutoGPT 仍然调用的是 GPT 的 API，你不能指望它比 ChatGPT 多了什么跨越式的 buff。
对于增加的上网功能，虽然能让 GPT更有潜力 ，但 限制仍比你想 得要多。比如最理想的情况，当然是你想了解哪个作者，就让 AI 在全网搜集这个作者的全部资料，然后整理成一份详尽的资料交给你。
但目前 AutoGPT 获取外界信息的主要方式还是搜索引擎 API 返回的网页结果，然后从这些网页总结信息，它现在还很难从书籍等渠道获取资料。
即便把所有资料都摆在面前，由于 输入数据长度的限制，它现在只能把信息截取一段段地总结，虽然很多时候这也够用了，但想要让它独自完成一个系统性的研究，发现资料与资料之间的联系，提取出新的洞察，还是很困难。
从 AutoGPT 主打的自动化这个角度来看，少了人类的反馈，是好是坏还真不一定。如果你经常用 ChatGPT 你就会知道，它时不时就会胡说八道，或者给你一段看似正确但其实细节上有 Bug 的代码。但 ChatGPT 的好处在于，它知错就能改，只要你告诉它哪儿不对，那通常过个两三轮对话它就能告诉你正确的答案。而现在 AutoGPT 让 AI 自己去迭代，效果只能说是 喜忧参半。
最后，还有一个很现实的问题是，AutoGPT 需要调用的是 OpenAI 官方的 API，但每次调用 API 都是有成本的，轻度虽然问题不大，但想要让它长时间自动运行下去，还是得 小心 你的 账单。
虽然说了这么多不足，但我们对于 AutoGPT 的未来还是有一些期待的。不仅是因为它带给了 GPT 模型更多的可能性，还加上它本身作为一个开源项目，有很多的开发者，包括我们自己，都希望在现在的基础上一点一点地改善和增加新的功能。像我们刚开始写稿子的时候 AutoGPT 的代码结构，跟稿子写完时的代码结构都已经发生了很大的变化。现在有的一些局限，或许就能在未来某个版本得到改善。
更重要的是，你能够感受到，在 ChatGPT 出现之后，基于 GPT 模型的整个应用生态正在井喷式发展。AutoGPT 也好，或者其他什么 GPT，就像是手机应用商店里的一个个 App，它们不断迭代更新，不断有新应用涌现，并且随着基础模型性能提升也在变得越来越强大，越来越好用。
到时候限制我们的，可能只是我们的想象力而已。
原文链接：http://www.myzaker.com/article/6454d4c68e9f09637671ce3d
