[轉]AutoGPT體驗和感想

ChatGPT 是新一代 AI 文本助手,可以幫助解決我們在多個領域的問題。

在某些複雜問題上,ChatGPT 需要經過不斷的調教與溝通,才能得到接近正確的答案。

當你是某個領域的專家時,你很容易做到這一點。

但是,在你不熟悉的領域,你甚至不知道該怎麼提問。

所以,在一個不精通的領域,要怎麼向 ChatGPT 正確提問,得到正確答案呢?

我們可以使用 AutoGPT,AutoGPT 是基於 ChatGPT 的文本 AI 助手,在 ChatGPT 的基礎上做了增強,用戶在終端輸入指令後,AutoGPT 可以根據最終的目標,不斷生成任務及提示語交給 ChatGPT 處理,然後一步又一步的接近正確答案,在得到最終結果返回給用戶。

 

 

它可以做什麼?

它是一個自主人工智能:它所具備的能力主打的就是一個“自主”,完全不用人類插手的那種!

例如:一位網友就要求AutoGPT開發一個網站,結果不到3分鐘,AI自己就用React和Tailwind CSS“唰唰唰”地搞定了。

AI可以自己上網、自己使用第三方工具、自己思考、自己操作你的電腦。

給他下達一個任務,用100美元的資金創建一個新的創業公司。

AgentGPT在接到這項任務之後,便開始了他的展示:

  • 思考中……
  • 添加任務:研究需要最少資金的低成本商業模式。
  • 添加任務:確定潛在的目標市場及其需求。
  • 添加任務:開發一個精簡的MVP(最小可行產品),並在目標市場進行測試以驗證需求。
  • 思考中……

然後AgentGPT先是輸出執行“研究需要最少資金的低成本商業模式”的結果:

根據我的研究,一些需要最少資金的低成本商業模式包括:
1、Dropshipping:通過Dropshipping,你可以在網上銷售產品而無需持有庫存。您只需通過第三方供應商完成訂單,第三方供應商將產品直接運送給您的客戶。你可以從50美元開始支付網站託管和域名註冊費。
2、 社交媒體營銷:如果你有社交媒體營銷的天賦,你可以通過幫助企業接觸他們的目標受衆來創辦自己的代理公司。你所需要的只是一臺電腦,互聯網連接,以及一些社交媒體營銷的經驗和技能,而你的起價只有50美元或更少。
3、活動策劃:如果你對組織活動有熱情,你可以開始自己的活動策劃業務。你可以從策劃一些小活動開始,比如生日派對、婚禮等等。你可以從100美元開始,創建一個簡單的網站,名片,並通過社交媒體營銷自己。
4、自由寫作:如果你有寫作天賦,你可以開始自己的自由寫作事業。你可以通過在線平臺,如Upwork、Fiver和其他求職網站找到客戶。只需50美元,你就可以創建一個投資組合網站,並通過社交媒體營銷自己。
這些只是一些低成本的商業模式,你只需要100美元的資金就可以考慮。選擇一個符合你的技能和興趣的商業模式是很重要的。

到這還沒有完,AgentGPT會繼續開始它的工作:

  • 思考中……
  • 添加任務:針對每種已確定的低成本商業模式,對潛在的產品或服務想法進行頭腦風暴。
  • 添加任務:評估每個想法的潛在盈利能力和可擴展性。
  • 添加任務:選擇最有希望的想法,並開發精益MVP,用於目標市場的測試。

而後便是繼續地再思考、執行。

 

使用教程

在引入 docker 後,AutoGPT 的使用變得更加簡單。

第一步:拉取 docker 鏡像

docker pull significantgravitas/auto-gpt

第二步:創建項目文件夾

AutoGPT 需要一個目錄放置配置文件及運行日誌,創建一個項目目錄,並且將其添加進 docker 的 File sharing(如下圖)

image

第三步:添加配置文件

  1. 添加 .env 配置文件
OPENAI_API_KEY=【寫入你的 OpenAI key】
ALLOWLISTED_PLUGINS=
DENYLISTED_PLUGINS=

個人的 openai-key 需要寫入 env 文件中,可以在 OpenAI Keys 生成一個用於使用。(如下圖)

image

  1. 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:啓動 AutoGPT

輸入命令:

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

可以看到控制檯輸出,代表啓動成功(如下圖)

image

到這裏,就可以向 AutoGPT 輸入你的目標了。

上手體驗 - 淘寶童裝選品

我準備讓 AutoGPT 幫我做 淘寶童裝選品,看看它是怎麼做的吧。(如下圖)

image

可以看到,它對於一個任務,會將其按照套路拆解:

 
- Name:任務名稱
- Role:給 ChatGPT 設定的角色
- Goals:任務目標
- THOUGHTS:想法 —— 它認爲當前第一步是需要分析當前市場流行的趨勢,分析流行趨勢有利於幫助更好選品。
- REASONING:推理 —— 分析市場從而更好的瞭解當前的市場需求,
- PLAN:行動計劃
    1. 使用谷歌搜索當前童裝市場的流行趨勢
    2. 分析數據找到市場機會
    3. 將分析結果寫入到本地文件中
- CRITICISM:意見 —— 需要保證數據是正確的,從而保證分析結果是正確的。
- NEXT ACTION:下一步 —— 使用 Google 搜索當前童裝市場的流行趨勢

輸入 y 可以讓它繼續,輸入 y -N 可以讓它繼續往下 N 步而不需要確認,這裏我輸入 y,它將在 Google 進行搜索。(如下圖)

 

image

這裏可以看到:

- 系統操作:在 `Google` 搜索到了一堆童裝市場的數據,JSON 格式。
- 想法:現在,我們有了一些市場數據,我們需要分析這些數據,分析前先把這些數據存起來。
- 推理:分析數據可以有助於得出更有效的答案。把數據存起來可以在後面分析時隨時進行回顧。
- 計劃:分析數據,存儲數據。
- 意見:仍然需要保證數據的正確性。
- 下一步:將數據寫到本地存起來先。

輸入 y,就可以在本地看到存儲的文件記錄了。(如下圖)

image

然後再看它下一步準備做什麼,他準備執行一個 python 腳本來進行數據分析。由於這個文件不存在,所以他又自己把這個文件寫進來,然後又做了一輪代碼分析。代碼分析完了以後,覺得代碼有問題,它又進行調整...

image

這是它寫的代碼,我感覺還是有問題的,它要讀取的 csv 文件並不存在啊(如下圖)

image

然後,我發現我高估它了,它連 pandas 這個依賴包都不存在,它還要去谷歌搜索一下怎麼安裝 pandas 包。然後,我們又可以看到它的一系列迷惑行爲。(如下圖)

image

image

image

迷惑歸迷惑,它還真把依賴問題給解決了,然後接着往下執行,果然還是遇到了 csv 文件不存在的問題,類似的問題還有一大堆,我這裏直接輸入 y -20,讓它自己先跑一段時間,等下我們再來看結果。

下面就是運行了 20 次後的結果。

image

我簡單描述一下:它發現 csv 文件不存在,然後跑去網上找數據,然後找了半天,在 yahoo 上找到了,準備下載,寫了個下載數據的腳本,結果下載數據的腳本又報錯了,然後又在改下載數據的腳本。

結果就是,我的賬戶已經燒掉了 0.3 刀樂,也就是兩塊多,結果它連一點有效信息也還沒提供給我,還在 debug 它的那個破腳本。

我決定讓它再跑一陣子試試...

又跑了 10 次後,然後我發現它進入了一個死循環:

- 執行 `python` 腳本分析數據
- csv 文件不存在,下載文件(實際下載沒成功)
- 執行 `python` 腳本分析數據
- csv 文件不存在,下載文件(實際下載沒成功)
- ...

image

它一直反覆這兩步,無法再繼續工作下去了,更別說達成目標了。

本次體驗,到此結束。

體驗小結

它能做的事情看起來確實很強大,全自動化的 AI 助手,只需要你輸入指令,他就能自己設定目標和計劃,然後去完成。

但是,經過實際體驗後,我發現它還是存在幾個問題,導致它沒法很好的應用於實際生產工作中:

1. 非異步模型,任務執行週期長,我到現在還沒有完整執行完成過一次任務,實際可應用性存疑。
2. 每一次都是從 0 開始,單次費用成本特別高(預計 $1 - $15),一次下去燒的都是真金白銀的刀樂,我用的是還是 GPT3 模型, 而 GPT4 更貴。免費額度($5)用完後,很難再持續維繫下去。
3. 重複性的動作特別多,這些動作會增加任務耗時,同時消耗你的 OpenAI 費用額度,在某些情況下還會陷入死循環。
4. 中文支持僅限於第一句,後續都是英文,對英文閱讀水平有要求。

最後,我的結論是:

這是一個初見感覺很驚豔的產品,但是實際上手後會發現,這是一個理想化的產品,因爲在實際解決問題中會遇到各種問題。

但是,很恐怖的是,整體上看來AutoGPT已經具備了人類“解決問題”的思維,名確定與問題後,它會像人類(有一定經驗的)一樣去思考,進行信息檢索,收集解決問題的思路和數據,給出解決問題的思路建議,一步一步前進直到解決問題。

我相信經過迭代,AutoGPT能力會越來越強,AI時代取代很多職業將會被取代真的不是危言聳聽。

 

 

參考:

https://segmentfault.com/a/1190000043852969

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

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章