Auto-GPT

Auto-GPT, heute AutoGPT geschrieben, ist ein Open-Source-Programm, mit dem GPT-4 selbstständig ein Ziel verfolgen konnte, indem es sich in einer Schleife selbst Anweisungen gab: Es plante einen Schritt, wählte einen Befehl wie eine Websuche oder das Schreiben einer Datei, führte ihn aus, las das Ergebnis und plante erneut, bis es das Ziel für erreicht hielt. Toran Bruce Richards, Gründer des Spielestudios Significant Gravitas, veröffentlichte das Programm am 30. März 2023, zwei Wochen nach dem Start von GPT-4. Innerhalb weniger Tage stand es an der Spitze der GitHub-Trendliste und machte aus der Idee eines autonomen, auf einem großen Sprachmodell (LLM) basierenden KI-Agenten ein Projekt, das alle selbst ausführen konnten. Das AutoGPT-Repository hat inzwischen mehr als 180.000 Sterne.

So funktioniert Auto-GPT#

Eine Person gab dem ursprünglichen Auto-GPT einen Namen, eine Rolle und einige Ziele, etwa einen Markt zu untersuchen und einen Bericht zu verfassen. Bei jedem Durchlauf erstellte das Programm aus diesen Zielen, einer Liste zulässiger Befehle, seinen Einschränkungen und dem jüngsten Verlauf eine Eingabeaufforderung und forderte GPT-4 auf, mit zwei Teilen im JSON-Format zu antworten. Der Teil thoughts enthielt den Text, die Überlegungen, den Plan und die Selbstkritik des Modells sowie eine Zusammenfassung für die Antwort an die Person – eine ausgeschriebene Form des Chain-of-Thought-Promptings. Der Teil command nannte eine Handlung und ihre Argumente: eine Google-Suche durchführen, eine Webseite aufrufen, Dateien lesen oder schreiben, Python-Code ausführen oder einen unterstützenden GPT-Agenten starten.

Vor der Ausführung jedes Befehls zeigte Auto-GPT ihn der Person an. Sie gab y ein, um ihn zu genehmigen, y -N, um die nächsten N Befehle zu genehmigen, oder n, um das Programm zu beenden. Im fortlaufenden Modus entfielen diese Prüfungen vollständig. Die README warnte, dass das Programm endlos laufen oder Handlungen ausführen könne, die die Person normalerweise nicht genehmigen würde. Um über das kurze Kontextfenster des Modells hinaus Informationen zu speichern, legten frühe Versionen frühere Ergebnisse als Embeddings in einem lokalen JSON-Cache oder in Vektordatenbanken wie Pinecone, Redis oder Milvus ab. Bei jedem Durchlauf wurden die relevantesten Ergebnisse abgerufen, während GPT-3.5 lange Webseiten zusammenfasste.

Was Auto-GPT zeigte und woran es scheiterte#

Auto-GPT machte das ReAct-Muster, bei dem sich Schlussfolgerungen und Tool-Nutzung abwechseln, Millionen Menschen bekannt und inspirierte eine Welle ähnlicher Projekte, darunter Yohei Nakajimas BabyAGI, das eine laufende Aufgabenliste führte, die das Modell erstellte, priorisierte und abarbeitete. Die Durchläufe zeigten auch Probleme, die Entwickler von Agenten weiterhin berücksichtigen müssen. Agenten wiederholten dieselben Suchen in Schleifen, entfernten sich vom ursprünglichen Ziel, meldeten Fortschritte, die sie nicht erzielt hatten – eine Form von Halluzination – und verursachten hohe API-Kosten, weil jeder Zyklus GPT-4 mit einem langen Prompt aufrief. Das Fehlen einer klaren Abbruchregel und die Risiken des kontinuierlichen Modus zeigten, warum spätere Agenten in einem Agenten-Harness mit Schrittbudgets, Freigaberegeln und einer Agenten-Sandbox ausgeführt werden und warum Teams sie mithilfe von Agenten-Evaluierung statt anhand beeindruckender Demos messen. Auch die grundlegende Fähigkeit der Modelle verbesserte sich: OpenAI führte im Juni 2023 natives Function Calling ein, und spätere Reasoning-Modelle wurden mit bestärkendem Lernen trainiert, um lange Folgen von Tool-Aufrufen auszuführen.

Auto-GPT im Vergleich zu verwandten Begriffen#

• Chatbots: Beantworten jeweils eine Nachricht und warten dann auf die nächste. Auto-GPT erzeugte selbst den nächsten Prompt und handelte weiter, bis es entschied, dass das Ziel erreicht war.
• AutoML: Automatisiertes maschinelles Lernen durchsucht Modelle und Hyperparameter, um das beste Modell für einen Datensatz zu trainieren. Die Namen ähneln sich, aber Auto-GPT trainiert nichts, sondern steuert ein vortrainiertes LLM bei allgemeinen Aufgaben.
• Robotergestützte Prozessautomatisierung (RPA): Spielt programmierte Klicks und Tastatureingaben ab, die ein Entwickler zuvor aufgezeichnet hat. Auto-GPT wählte seine Schritte während der Ausführung anhand des Ziels und der jeweiligen Ergebnisse aus.
• Agentische Workflows: Ordnen LLM-Aufrufe und Tools entlang von Pfaden an, die ein Entwickler festlegt. Auto-GPT überließ dem Modell den gesamten Plan und stand damit am vollständig autonomen Ende desselben Spektrums.

AutoGPT heute#

Aus dem Projekt ist die AutoGPT Platform geworden, ein gehosteter und selbst hostbarer Dienst zum Erstellen von Agenten als Workflows aus verbundenen Blöcken auf einer visuellen Arbeitsfläche, mit einem Marktplatz für fertige Agenten und einem chatbasierten Builder. Der Plattformcode steht unter der Polyform-Shield-Lizenz, die private und interne geschäftliche Nutzung erlaubt, den Verkauf als konkurrierender gehosteter Dienst jedoch untersagt; der ursprüngliche eigenständige Agent bleibt unter der MIT-Lizenz im Ordner classic/ des Repositorys, zusammen mit dem Forge-Toolkit zum Erstellen von Agenten und dem agbenchmark-Harness zu deren Test. Zielgesteuerte Schleifen wie die von Auto-GPT laufen inzwischen meist in enger gefassten Produkten mit festgelegten Tools und Berechtigungen: In der Ultralytics Platform wandelt der Ask AI-Assistent eine Anfrage in Aktionen auf der Platform um, indem er Datensätze findet, YOLO26-Trainingsläufe startet, ihre Ergebnisse vergleicht und das nächste Experiment vorschlägt – über die Befehlszeile ul cloud, die mit dem eigenen API-Schlüssel des Nutzers autorisiert ist.