点击登录/注册AutoGPT账户

点击领取AutoGPT KEY

使用 Auto-GPT，我们不仅可以执行生成文本等操作，还可以搜索互联网并收集信息、与文件交互等。 最重要的是，Auto-GPT 使用 GPT-4 来自动执行如果我们使用 ChatGPT 需要来回提示的任务。这意味着 Auto-GPT 可以在几乎没有人工干预的情况下执行任务，并且能够自我提示。

Auto-GPT 是一款新的 GPT 框架，它可以自主迭代、自我提示的人工智能。

相较于传统的 ChatGPT 对话模式，Auto-GPT 更加高效便捷，用户只需要在第一轮对话中输入需求，Auto-GPT 就能自动分解任务去完成。

最近几天，一款基于GPT-4的最强语言模型AutoGPT火遍了整个AI圈。众所周知，此前爆火AI圈的ChatGPT，唯一不太好用的地方就是需要人类不断的prompt。因此，如果你想要ChatGPT帮你去做一件复杂的事情，那么怎么提问时一件很麻烦的事情。但AutoGPT就不一样，他会根据你提的目标来制定计划，然后自己执行完整个计划，整个过程自动化的能力非常的强。

这里简单的介绍下AI的prompt，prompt是指在使用AI模型时，设计和构建用于输入的文本提示，使得模型能够更好地理解和回答问题。简单来说，就是为AI模型设置一个更容易理解和明确的问题描述，以便让它更好地进行回答。

事实上，作为目前最实用的AI技术，AutoGPT在短短几天时间就在GitHub上获得了惊人star数目前已经突破81k，并吸引了无数开源社区和开发者的关注。

• 🌐分配要自动处理的任务/目标，直到完成
• 💾将多个GPT-4链接在一起以协作完成任务
• 🔗互联网访问和读/写文件的能力
• 🗃️上下文联动记忆性

AutoGPT 是如何理解人类给它设定的角色和目标的

这个其实是通过 GPT4的一个特殊功能叫做 zero shot learning，也就是零样本学习来实现的， 0 样本学习就是让GPT4在没有接触过特定类别样本的情况下，仍然能够识别和处理这些类别的数据，或者说可以根据一些描述或者定义学习到一个新的概念，然后用这个概念再来生成新的内容。传统的监督学习方法通常需要大量标注数据来训练模型，而零样本学习则试图解决这个问题，降低收集和标注数据的需求。

零样本学习主要依赖于将不同类别的信息以语义形式表示，这些表示通常是高维向量，例如属性向量（attribute vectors）或词嵌入（word embeddings）。这些向量可以捕捉到类别之间的相似性，从而帮助模型泛化到未见过的类别。当模型在训练过程中学习到这些语义表示时，它可以借助这些信息来识别和处理新类别的数据。

例如，如果一个零样本学习模型被训练识别动物，并已经学会识别“猫”和“狗”这两个类别，那么当它遇到一个未见过的动物类别（如“狼”）时，可以根据“狼”和已知类别的语义表示之间的相似性，正确地识别出“狼”。这使得零样本学习在许多领域，如图像分类、自然语言处理等方面具有广泛的应用潜力。

第1步就是下载AutoGPT项目代码到本地文件夹，有以下两种方式：

1.通过git克隆AutoGPT项目，git clone https://github.com/Torantulino/Auto-GPT.git

2.如果没有安装git的同学就直接点击这个链接下载https://github.com/Torantulino/Auto-GPT/archive/refs/heads/master.zip，然后解压就行。

用代码编辑器打开文件，我这里用的是vs code，找到env.template文件，删掉后缀修改文件名为“.env（我删除里面的注释信息是为了方便阅读）：

AutoGPT，一个全自动可联网的AI机器人，只需给它设定一个或多个目标，它就会自动拆解成相对应的任务，并派出分身执行任务直到目标达成，这简直就是一个会OKR的成熟社畜哇，并且在执行任务的同时还会不断复盘反思推演自己的行为与操作，当推进不下去时，会想另一种方式继续推进，完全不会就地停下，好家伙，这届优秀员工非你莫属！

今天就给大家带来AutoGPT背后的原理～

AutoGPT是一个基于ChatGPT的工具，他能帮你自动完成各种任务，比如写代码、写报告、做调研等等。使用它时，你只需要告诉他要扮演的角色和要实现的目标，然后他就会利用ChatGPT和谷歌搜索等工具，不断“思考”如何接近目标并执行，你甚至可以看到他的思考过程。