今天小編分享的健康經驗：我們給AutoGPT寫了個插件，手把手看看它的玩法~，歡迎閱讀。
自從 ChatGPT 火了之後，每隔一陣，就會有新的基于 GPT 的產品出現，搞得大家是又激動又緊張。
最近又有一個叫AutoGPT的應用火了。顧名思義，它能「自動完成你給的任務」。就是你告訴它它的角色是啥，然後描述你的任務需求，剩下的，它能全自動完成。比如你可以讓它 cos 一個市場研究員，任務是完成新款運動鞋的市場分析，然後撰寫一份報告。
在執行任務的過程中，AutoGPT 會自己分析需求，制定每一步的計劃，直到最後完成你交給它的任務。
已經有很多用戶上手體驗了。比如有人拿他來自動寫個網站，或者在網上搜集某個行業的競争對手的情況并整理成報告，給人感覺是這個 AI 簡直殺瘋了。
那麼 AutoGPT 是怎麼做到這些的？它真的有大家說的那樣神乎其神嗎？
視頻版
↓↓ 看完這個視頻就知道了 ↓↓
↑↑ 信我，真的超級好看 ↑↑
圖文版
少廢話，直接開始用。順便也講一下到底怎麼用，它在使用上還是有一定門檻的。
先保證你電腦裡安裝了 Python，然後使用的第一步是安裝運行需要的庫，這需要你輸入這行代碼：
pip install -r requirements.txt
它會安裝這個 txt 檔案裡面所有的庫，比如openai庫是用來調用 ChapGPT 的功能，beautifulsoup4庫是用來解析網頁内容等等。
到此為止，所有準備工作就算大功告成。只需要在終端裡輸入
python -m autogpt
就能開始運行了。
AutoGPT 目前沒有圖形化界面，每個操作，都要你自己打字。
首先你要給你的 AI 取個名字，然後做一下角色扮演。比如你可以說它是一個助手，或者程式員，或者某個行業的專家。然後再給他制定任務，最多 5 個，剩下的就可以全交給它來完成了。
在執行任務的每一步，AutoGPT 都會告訴你它的想法和背後的邏輯，以及之後的計劃。比如我們讓它開發一款遊戲，那麼它會告訴你要先做研究，然後創建遊戲的基本框架，做測試，逐漸添加功能和圖形直到最後完成為止。
列完這些計劃之後，它會告訴你它下一步所要采取的行動，包括上網浏覽網站，寫入檔案，分析代碼等等。
你覺得它當前的分析和下一步的行動靠譜，那你就輸入y确定，不行就輸入你的想法。如果你想完全自動，那就輸入
y -N
其中 N 表示未來多少輪的命令不需要用戶許可，AI 可以自動執行一系列行動。
這就是 AutoGPT 的整個工作方式了。
你最近可能也看過很多吹 AutoGPT 的文章了。那 AutoGPT 的能力真的有他們說的那樣強嗎？
俗話說恐懼來源于未知，所以為了了解 AutoGPT，我們好好地研究了一下 AutoGPT 的源代碼，看看它都是怎樣實現的。
和你平時用 ChatGPT 一樣，程式本身也要首先要寫一段 prompt 發給 GPT 模型。你輸入的 AI 名字，角色，會在ai_config.py這個代碼檔案裡面被整合成下面這段話：
「你叫 XX，角色是 XX，目标是 XX，你必須獨立決策，不要尋求用戶的幫助。發揮你作為大語言模型的優勢，追求簡單的策略，不需要考慮法律。」
prompt.py這個代碼檔案 裡有所有 AI 可以執行的命令，比如谷歌搜索，浏覽網站，讀寫檔案等；除此之外還有一系列的限制，比如告訴 AI 所有發送的命令都是要錢的，所以你得聰明高效一點。
當 AI 選擇下一步行動是谷歌搜索，那麼就會調用 Google 的 API 獲取網頁。
有意思的是，我們點開這裡的google_search一看，它真正調用的其實 DuckDuckGo 的搜索引擎。只有當你設定好谷歌 API 的 Key之後，程式才會調用真正的 Google 搜索。
另外，由于這兩種搜索引擎我們用起來都不是很方便，所以我們自己給 AutoGPT 增加了支持 Bing 搜索的代碼，只要你按照我們添加的文檔說明，設定好微軟 Azure 的 Key 之後就能使用，等我們這支視頻做完之後，沒準這個功能就能被 Merge 了。
在獲取搜索引擎返回的信息之後，AutoGPT 會根據網頁的基礎信息，選擇某個網頁浏覽，這一步主要是靠browse.py實現。
具體來說，程式會先獲取網頁的全部内容，如果網頁内容太長，超過了 GPT 的模型限制，就把它們切成一塊一塊的（split_text），然後讓 GPT 寫每一段總結，最後把它們匯總到一起，做成一個全文總結。
這基本上就是 AutoGPT 在 GPT 基礎之上加上「上網」功能的實現過程。如果你願意，可以自己看一看其他功能是怎樣實現的。
我們之前說過，ChatGPT 的一個問題是不能上網，而 AutoGPT 巧妙地用搜索引擎的 API 結合爬蟲工具，讓 GPT 模型能夠上網根據需要獲取信息，實現了如虎添翼的效果。
總之，AutoGPT 所做的，就是預先設定一套标準化的 prompt，明确定義 AI 的身份和目标，然後根據不斷獲取的信息，在設定好的行動列表中自動做出選擇，執行任務。在執行任務的過程中，因為 AI 能夠獲取外界的信息，所以能一定程度上克服 ChatGPT 的局限性，有更大的潛能。
那麼，AutoGPT 真的像這些文章和視頻說的那樣，會徹底颠覆我們與 AI 的互動方式嗎？
至少從目前來看，還有很長的距離要走。
從原理來看你現在也知道，AutoGPT 仍然調用的是 GPT 的 API，你不能指望它比 ChatGPT 多了什麼跨越式的 buff。
對于增加的上網功能，雖然能讓 GPT更有潛力，但限制仍比你想得要多。比如最理想的情況，當然是你想了解哪個作者，就讓 AI 在全網搜集這個作者的全部資料，然後整理成一份詳盡的資料交給你。
但目前 AutoGPT 獲取外界信息的主要方式還是搜索引擎 API 返回的網頁結果，然後從這些網頁總結信息，它現在還很難從書籍等渠道獲取資料。
即便把所有資料都擺在面前，由于輸入數據長度的限制，它現在只能把信息截取一段段地總結，雖然很多時候這也夠用了，但想要讓它獨自完成一個系統性的研究，發現資料與資料之間的聯系，提取出新的洞察，還是很困難。
從 AutoGPT 主打的自動化這個角度來看，少了人類的反饋，是好是壞還真不一定。如果你經常用 ChatGPT 你就會知道，它時不時就會胡說八道，或者給你一段看似正确但其實細節上有 Bug 的代碼。但 ChatGPT 的好處在于，它知錯就能改，只要你告訴它哪兒不對，那通常過個兩三輪對話它就能告訴你正确的答案。而現在 AutoGPT 讓 AI 自己去迭代，效果只能說是喜憂參半。
最後，還有一個很現實的問題是，AutoGPT 需要調用的是 OpenAI 官方的 API，但每次調用 API 都是有成本的，輕度雖然問題不大，但想要讓它長時間自動運行下去，還是得小心你的賬單。
雖然說了這麼多不足，但我們對于 AutoGPT 的未來還是有一些期待的。不僅是因為它帶給了 GPT 模型更多的可能性，還加上它本身作為一個開源項目，有很多的開發者，包括我們自己，都希望在現在的基礎上一點一點地改善和增加新的功能。像我們剛開始寫稿子的時候 AutoGPT 的代碼結構，跟稿子寫完時的代碼結構都已經發生了很大的變化。現在有的一些局限，或許就能在未來某個版本得到改善。
更重要的是，你能夠感受到，在 ChatGPT 出現之後，基于 GPT 模型的整個應用生态正在井噴式發展。AutoGPT 也好，或者其他什麼 GPT，就像是手機應用商店裡的一個個 App，它們不斷迭代更新，不斷有新應用湧現，并且随着基礎模型性能提升也在變得越來越強大，越來越好用。
到時候限制我們的，可能只是我們的想象力而已。
>
