Auto-GPT

Auto-GPT（现拼作 AutoGPT）是一个开源程序，它会通过循环向自己发出提示，让 GPT-4自主追求目标：规划一个步骤，选择网络搜索或写入文件等命令，运行命令，读取结果，然后再次规划，直到它认为目标已经完成。游戏工作室 Significant Gravitas 的创始人 Toran Bruce Richards 于 2023 年 3 月 30 日发布了该程序，时间距离 GPT-4 发布仅两周。几天内，它就登上了 GitHub 趋势榜，并让基于大型语言模型 (LLM)构建自主AI 智能体的想法，从研究课题变成了任何人都能运行的程序。AutoGPT 代码库的星标数此后已超过 180,000。

Auto-GPT 的工作原理#

用户会为原版 Auto-GPT 指定名称、角色和若干目标，例如研究某个市场并撰写报告。每个循环中，程序都会根据这些目标、允许使用的命令列表、限制条件和近期历史构建提示，并要求 GPT-4 以 JSON格式返回两个部分。thoughts 部分包含模型的文本、推理、计划、自我批评以及向用户说明的摘要，是思维链提示的书面形式。command 部分则指定一项操作及其参数，例如搜索 Google、浏览网页、读写文件、执行 Python 代码或启动辅助 GPT 智能体。

每次执行命令前，Auto-GPT 都会先向用户显示该命令；用户输入 y 以授权执行该命令，输入 y -N 以授权接下来的 N 条命令，或输入 n 以退出。连续模式会完全跳过这些检查，而 README 警告说，程序可能会一直运行，或执行用户通常不会授权的操作。为了在模型较短的上下文窗口之外保留记忆，早期版本会将以往结果转换为嵌入，并存入本地 JSON 缓存或 Pinecone、Redis、Milvus 等向量数据库；每个周期都会检索其中最相关的结果，而 GPT-3.5 会总结较长的网页。

Auto-GPT 展示了什么，又在哪些方面遇到了困难#

Auto-GPT 让数百万人看到了将推理与工具使用交替进行的 ReAct 模式，并启发了一波类似项目，其中包括 Yohei Nakajima 的 BabyAGI。BabyAGI 会持续维护一个由模型创建、排序并逐项执行的任务清单。Auto-GPT 的运行也暴露了智能体构建者至今仍需设法解决的问题：智能体会在循环中重复相同的搜索、偏离最初目标、汇报并未取得的进展（这是一种幻觉），还会因为每个循环都用一段很长的提示调用 GPT-4 而产生高额 API 账单。缺少明确的停止规则以及连续运行模式的风险，说明了为什么后来的智能体会在带有步骤预算和审批规则的智能体运行框架及智能体沙箱中运行，也说明了为什么团队会用智能体评估而非令人印象深刻的演示来衡量智能体。模型的核心能力也有所提升：OpenAI 于 2023 年 6 月加入了原生函数调用功能，后来的推理模型则通过强化学习进行训练，以执行很长的工具调用链。

Auto-GPT 与相关术语的区别#

• 聊天机器人：一次回答一条消息，然后等待下一条消息。Auto-GPT 会生成自己的下一个提示，并持续采取行动，直到它认为目标已经达成。
• AutoML：自动化机器学习会搜索模型和超参数，为数据集训练出最佳模型。名称相似，但 Auto-GPT 不训练任何东西，而是驱动预训练 LLM 执行通用任务。
• 机器人流程自动化（RPA）：重放开发者预先录制的脚本化点击和按键操作。Auto-GPT 则在运行时根据目标和每一步的结果选择操作步骤。
• 智能体工作流：按照开发者定义的路径安排 LLM 调用和工具。Auto-GPT 将整个计划交给模型，处于同一光谱中完全自主的一端。

AutoGPT 的现状#

该项目现已发展为 AutoGPT Platform，这是一项可托管也可自行托管的服务，用户可以在可视化画布上将相连的模块组装成工作流来构建智能体；平台还提供现成智能体市场和基于聊天的构建器。平台代码采用 Polyform Shield 许可证，允许个人和内部商业用途，但禁止将其作为有竞争力的托管服务出售；原始的独立智能体仍保留在代码仓库的 classic/ 文件夹中，采用 MIT 许可证，此外还有用于构建智能体的 Forge 工具包和用于测试智能体的 agbenchmark 运行框架。如今，像 Auto-GPT 这样的目标驱动循环大多运行在工具和权限范围更明确的产品中：在 Ultralytics Platform 中，Ask AI 助手会将请求转化为 Platform 操作，例如查找数据集、启动 YOLO26 训练、比较训练结果并提出下一项实验；这些操作通过用户自己的 API 密钥授权的 ul cloud 命令行执行。