Auto-GPT

Auto-GPT, nay được viết là AutoGPT, là chương trình mã nguồn mở cho phép GPT-4 tự theo đuổi mục tiêu bằng cách liên tục tự prompt: chương trình lập kế hoạch cho một bước, chọn lệnh như tìm kiếm web hoặc ghi tệp, thực thi lệnh, đọc kết quả rồi lập kế hoạch tiếp cho đến khi xác định mục tiêu đã hoàn thành. Toran Bruce Richards, nhà sáng lập hãng game Significant Gravitas, phát hành chương trình vào ngày 30 tháng 3 năm 2023, hai tuần sau khi GPT-4 ra mắt. Chỉ trong vài ngày, chương trình đứng đầu danh sách thịnh hành của GitHub và biến ý tưởng về một agent AI tự hành xây dựng trên mô hình ngôn ngữ lớn (LLM) từ chủ đề nghiên cứu thành thứ bất kỳ ai cũng có thể chạy. Kho lưu trữ AutoGPT hiện đã vượt 180.000 lượt gắn sao.

Cách Auto-GPT hoạt động#

Người dùng đặt tên, vai trò và một vài mục tiêu cho Auto-GPT phiên bản gốc, chẳng hạn nghiên cứu thị trường và viết báo cáo. Trong mỗi chu kỳ, chương trình tạo prompt từ các mục tiêu đó, danh sách lệnh được phép, các ràng buộc và lịch sử gần đây, rồi yêu cầu GPT-4 trả lời bằng JSON gồm hai phần. Phần thoughts chứa văn bản, suy luận, kế hoạch và phần tự phê bình của model, cùng phần tóm tắt để trao đổi với người dùng; đây là hình thức viết tường minh của prompting chuỗi suy nghĩ. Phần command nêu một hành động cùng các đối số: tìm kiếm Google, duyệt trang web, đọc hoặc ghi tệp, thực thi mã Python hoặc khởi chạy agent GPT phụ trợ.

Trước khi thực thi mỗi lệnh, Auto-GPT hiển thị lệnh đó cho người dùng; người dùng nhập y để cho phép thực thi, y -N để cho phép N lệnh tiếp theo hoặc n để thoát. Chế độ liên tục bỏ qua hoàn toàn các bước kiểm tra này; README cảnh báo rằng chương trình có thể chạy mãi hoặc thực hiện những hành động mà người dùng thường không cho phép. Để lưu trữ thông tin vượt quá cửa sổ ngữ cảnh ngắn của model, các phiên bản đầu lưu kết quả trước đó dưới dạng embedding trong bộ nhớ đệm JSON cục bộ hoặc trong cơ sở dữ liệu vector như Pinecone, Redis hoặc Milvus; mỗi chu kỳ, chương trình truy xuất các kết quả liên quan nhất, còn GPT-3.5 tóm tắt các trang web dài.

Auto-GPT đã cho thấy điều gì và gặp khó khăn ở đâu#

Auto-GPT giúp hàng triệu người thấy rõ mô hình ReAct đan xen suy luận với việc sử dụng công cụ, đồng thời truyền cảm hứng cho làn sóng dự án tương tự, trong đó có BabyAGI của Yohei Nakajima, dự án duy trì danh sách tác vụ mà model tạo ra, sắp xếp mức ưu tiên và lần lượt xử lý. Các phiên chạy của Auto-GPT cũng phơi bày những vấn đề mà các nhà phát triển agent vẫn phải tính đến. Agent lặp lại cùng một lượt tìm kiếm, đi chệch khỏi mục tiêu ban đầu, báo cáo tiến độ chưa đạt được—một dạng hallucination—và làm hóa đơn API tăng vọt vì mỗi vòng đều gọi GPT-4 với prompt dài. Việc thiếu quy tắc dừng rõ ràng và rủi ro từ chế độ chạy liên tục cho thấy vì sao các agent sau này hoạt động bên trong một agent harness có giới hạn số bước, quy tắc phê duyệt và agent sandbox, cũng như vì sao các nhóm đánh giá chúng bằng agent evaluation thay vì những bản demo ấn tượng. Các model cũng tiến bộ về kỹ năng cốt lõi: OpenAI bổ sung function calling gốc vào tháng 6 năm 2023, còn các reasoning model đời sau được huấn luyện bằng reinforcement learning để thực hiện chuỗi gọi công cụ dài.

Auto-GPT và các thuật ngữ liên quan#

• Chatbot: Trả lời từng tin nhắn rồi chờ tin nhắn tiếp theo. Auto-GPT tự tạo prompt tiếp theo và tiếp tục hành động cho đến khi quyết định mục tiêu đã đạt được.
• AutoML: Machine learning tự động tìm kiếm trên các model và hyperparameter để huấn luyện model tốt nhất cho một dataset. Tên gọi tương tự nhau, nhưng Auto-GPT không huấn luyện gì mà điều khiển một LLM đã được huấn luyện trước để thực hiện các tác vụ tổng quát.
• Tự động hóa quy trình bằng robot (RPA): Phát lại các thao tác nhấp chuột và nhấn phím theo kịch bản mà nhà phát triển đã ghi trước. Auto-GPT chọn các bước tại thời điểm chạy dựa trên mục tiêu và từng kết quả.
• Quy trình làm việc agentic: Sắp xếp các lệnh gọi LLM và công cụ theo những luồng do nhà phát triển định nghĩa. Auto-GPT giao toàn bộ kế hoạch cho model, ở đầu tự chủ hoàn toàn của cùng phổ này.

AutoGPT ngày nay#

Dự án đã phát triển thành AutoGPT Platform, một dịch vụ được lưu trữ và có thể tự lưu trữ để xây dựng agent dưới dạng quy trình làm việc gồm các khối kết nối trên canvas trực quan, với marketplace các agent có sẵn và trình tạo dựa trên chat. Mã nền tảng được cấp phép theo Polyform Shield, cho phép sử dụng cá nhân và nội bộ doanh nghiệp nhưng cấm bán dưới dạng dịch vụ lưu trữ cạnh tranh; trong khi đó, agent độc lập ban đầu vẫn nằm trong thư mục classic/ của repository theo giấy phép MIT, cùng với bộ công cụ Forge để xây dựng agent và bộ kiểm thử agbenchmark. Các vòng lặp hướng mục tiêu như của Auto-GPT hiện chủ yếu chạy bên trong những sản phẩm có phạm vi hẹp hơn, với công cụ và quyền hạn cố định: trong Ultralytics Platform, trợ lý Ask AI chuyển yêu cầu thành các thao tác trên Platform, tìm dataset, khởi chạy các lần huấn luyện YOLO26, so sánh kết quả và đề xuất thử nghiệm tiếp theo thông qua dòng lệnh ul cloud được cấp quyền bằng API key riêng của người dùng.