[转]AutoGPT体验和感想

ChatGPT 是新一代 AI 文本助手，可以帮助解决我们在多个领域的问题。

在某些复杂问题上，ChatGPT 需要经过不断的调教与沟通，才能得到接近正确的答案。

当你是某个领域的专家时，你很容易做到这一点。

但是，在你不熟悉的领域，你甚至不知道该怎么提问。

所以，在一个不精通的领域，要怎么向 ChatGPT 正确提问，得到正确答案呢？

我们可以使用 AutoGPT，AutoGPT 是基于 ChatGPT 的文本 AI 助手，在 ChatGPT 的基础上做了增强，用户在终端输入指令后，AutoGPT 可以根据最终的目标，不断生成任务及提示语交给 ChatGPT 处理，然后一步又一步的接近正确答案，在得到最终结果返回给用户。

 

 

它可以做什么？

它是一个自主人工智能：它所具备的能力主打的就是一个“自主”，完全不用人类插手的那种！

例如：一位网友就要求AutoGPT开发一个网站，结果不到3分钟，AI自己就用React和Tailwind CSS“唰唰唰”地搞定了。

AI可以自己上网、自己使用第三方工具、自己思考、自己操作你的电脑。

给他下达一个任务，用100美元的资金创建一个新的创业公司。

AgentGPT在接到这项任务之后，便开始了他的展示：

• 思考中……
• 添加任务：研究需要最少资金的低成本商业模式。
• 添加任务：确定潜在的目标市场及其需求。
• 添加任务：开发一个精简的MVP（最小可行产品），并在目标市场进行测试以验证需求。
• 思考中……

然后AgentGPT先是输出执行“研究需要最少资金的低成本商业模式”的结果：

根据我的研究，一些需要最少资金的低成本商业模式包括：
1、Dropshipping：通过Dropshipping，你可以在网上销售产品而无需持有库存。您只需通过第三方供应商完成订单，第三方供应商将产品直接运送给您的客户。你可以从50美元开始支付网站托管和域名注册费。
2、 社交媒体营销：如果你有社交媒体营销的天赋，你可以通过帮助企业接触他们的目标受众来创办自己的代理公司。你所需要的只是一台电脑，互联网连接，以及一些社交媒体营销的经验和技能，而你的起价只有50美元或更少。
3、活动策划：如果你对组织活动有热情，你可以开始自己的活动策划业务。你可以从策划一些小活动开始，比如生日派对、婚礼等等。你可以从100美元开始，创建一个简单的网站，名片，并通过社交媒体营销自己。
4、自由写作：如果你有写作天赋，你可以开始自己的自由写作事业。你可以通过在线平台，如Upwork、Fiver和其他求职网站找到客户。只需50美元，你就可以创建一个投资组合网站，并通过社交媒体营销自己。
这些只是一些低成本的商业模式，你只需要100美元的资金就可以考虑。选择一个符合你的技能和兴趣的商业模式是很重要的。

到这还没有完，AgentGPT会继续开始它的工作：

• 思考中……
• 添加任务：针对每种已确定的低成本商业模式，对潜在的产品或服务想法进行头脑风暴。
• 添加任务：评估每个想法的潜在盈利能力和可扩展性。
• 添加任务：选择最有希望的想法，并开发精益MVP，用于目标市场的测试。

而后便是继续地再思考、执行。

 

使用教程

在引入 docker 后，AutoGPT 的使用变得更加简单。

第一步：拉取 docker 镜像

docker pull significantgravitas/auto-gpt

第二步：创建项目文件夹

AutoGPT 需要一个目录放置配置文件及运行日志，创建一个项目目录，并且将其添加进 docker 的 File sharing（如下图）

第三步：添加配置文件

1. 添加 .env 配置文件

OPENAI_API_KEY=【写入你的 OpenAI key】
ALLOWLISTED_PLUGINS=
DENYLISTED_PLUGINS=

个人的 openai-key 需要写入 env 文件中，可以在 OpenAI Keys 生成一个用于使用。（如下图）

2. 添加 docker-compose.yml 配置文件

version: "3.9"
services:
  auto-gpt:
    image: significantgravitas/auto-gpt
    depends_on:
      - redis
    env_file:
      - .env
    environment:
      MEMORY_BACKEND: ${MEMORY_BACKEND:-redis}
      REDIS_HOST: ${REDIS_HOST:-redis}
    profiles: ["exclude-from-up"]
    volumes:
      - ./auto_gpt_workspace:/app/autogpt/auto_gpt_workspace
      - ./data:/app/data
      ## allow auto-gpt to write logs to disk
      - ./logs:/app/logs
      ## uncomment following lines if you want to make use of these files
      ## you must have them existing in the same folder as this docker-compose.yml
      #- type: bind
      #  source: ./azure.yaml
      #  target: /app/azure.yaml
      #- type: bind
      #  source: ./ai_settings.yaml
      #  target: /app/ai_settings.yaml
  redis:
    image: "redis/redis-stack-server:latest"

第四步：启动 AutoGPT

输入命令：

docker-compose run --rm auto-gpt --gpt3only

可以看到控制台输出，代表启动成功（如下图）

到这里，就可以向 AutoGPT 输入你的目标了。

上手体验 - 淘宝童装选品

我准备让 AutoGPT 帮我做 淘宝童装选品，看看它是怎么做的吧。（如下图）

可以看到，它对于一个任务，会将其按照套路拆解：

 

- Name：任务名称
- Role：给 ChatGPT 设定的角色
- Goals：任务目标
- THOUGHTS：想法 —— 它认为当前第一步是需要分析当前市场流行的趋势，分析流行趋势有利于帮助更好选品。
- REASONING：推理 —— 分析市场从而更好的了解当前的市场需求，
- PLAN：行动计划
    1. 使用谷歌搜索当前童装市场的流行趋势
    2. 分析数据找到市场机会
    3. 将分析结果写入到本地文件中
- CRITICISM：意见 —— 需要保证数据是正确的，从而保证分析结果是正确的。
- NEXT ACTION：下一步 —— 使用 Google 搜索当前童装市场的流行趋势

输入 y 可以让它继续，输入 y -N 可以让它继续往下 N 步而不需要确认，这里我输入 y，它将在 Google 进行搜索。（如下图）

 

这里可以看到：

- 系统操作：在 `Google` 搜索到了一堆童装市场的数据，JSON 格式。
- 想法：现在，我们有了一些市场数据，我们需要分析这些数据，分析前先把这些数据存起来。
- 推理：分析数据可以有助于得出更有效的答案。把数据存起来可以在后面分析时随时进行回顾。
- 计划：分析数据，存储数据。
- 意见：仍然需要保证数据的正确性。
- 下一步：将数据写到本地存起来先。

输入 y，就可以在本地看到存储的文件记录了。（如下图）

然后再看它下一步准备做什么，他准备执行一个 python 脚本来进行数据分析。由于这个文件不存在，所以他又自己把这个文件写进来，然后又做了一轮代码分析。代码分析完了以后，觉得代码有问题，它又进行调整...

这是它写的代码，我感觉还是有问题的，它要读取的 csv 文件并不存在啊（如下图）

然后，我发现我高估它了，它连 pandas 这个依赖包都不存在，它还要去谷歌搜索一下怎么安装 pandas 包。然后，我们又可以看到它的一系列迷惑行为。（如下图）

迷惑归迷惑，它还真把依赖问题给解决了，然后接着往下执行，果然还是遇到了 csv 文件不存在的问题，类似的问题还有一大堆，我这里直接输入 y -20，让它自己先跑一段时间，等下我们再来看结果。

下面就是运行了 20 次后的结果。

我简单描述一下：它发现 csv 文件不存在，然后跑去网上找数据，然后找了半天，在 yahoo 上找到了，准备下载，写了个下载数据的脚本，结果下载数据的脚本又报错了，然后又在改下载数据的脚本。

结果就是，我的账户已经烧掉了 0.3 刀乐，也就是两块多，结果它连一点有效信息也还没提供给我，还在 debug 它的那个破脚本。

我决定让它再跑一阵子试试...

又跑了 10 次后，然后我发现它进入了一个死循环：

- 执行 `python` 脚本分析数据
- csv 文件不存在，下载文件（实际下载没成功）
- 执行 `python` 脚本分析数据
- csv 文件不存在，下载文件（实际下载没成功）
- ...

它一直反复这两步，无法再继续工作下去了，更别说达成目标了。

本次体验，到此结束。

体验小结

它能做的事情看起来确实很强大，全自动化的 AI 助手，只需要你输入指令，他就能自己设定目标和计划，然后去完成。

但是，经过实际体验后，我发现它还是存在几个问题，导致它没法很好的应用于实际生产工作中：

1. 非异步模型，任务执行周期长，我到现在还没有完整执行完成过一次任务，实际可应用性存疑。
2. 每一次都是从 0 开始，单次费用成本特别高（预计 $1 - $15），一次下去烧的都是真金白银的刀乐，我用的是还是 GPT3 模型， 而 GPT4 更贵。免费额度（$5）用完后，很难再持续维系下去。
3. 重复性的动作特别多，这些动作会增加任务耗时，同时消耗你的 OpenAI 费用额度，在某些情况下还会陷入死循环。
4. 中文支持仅限于第一句，后续都是英文，对英文阅读水平有要求。

最后，我的结论是：

这是一个初见感觉很惊艳的产品，但是实际上手后会发现，这是一个理想化的产品，因为在实际解决问题中会遇到各种问题。

但是，很恐怖的是，整体上看来AutoGPT已经具备了人类“解决问题”的思维，名确定与问题后，它会像人类（有一定经验的）一样去思考，进行信息检索，收集解决问题的思路和数据，给出解决问题的思路建议，一步一步前进直到解决问题。

我相信经过迭代，AutoGPT能力会越来越强，AI时代取代很多职业将会被取代真的不是危言耸听。

 

 

参考：

https://segmentfault.com/a/1190000043852969

https://article.juejin.cn/post/7223409228026609701