Agent举例与应用

什么是Agent

OpenAI 应用研究主管 Lilian Weng 在一篇长文中提出了 Agent = LLM（大型语言模型）+记忆+规划技能+工具使用这一概念，并详细解释了Agent的每个模块的功能。她对Agent未来的应用前景充满信心，但也表明到挑战无处不在。

现有的 Agents 项目如 AutoGPT，BabyAGI 和 MetaGPT 的成功验证了LLM的潜力。LLM 不仅仅是一个文本生成工具，它可以成为一个强大的通用问题解决器。无论是写作、故事、论文还是程序等，LLM 都能应对自如。它展现了巨大的潜力，在解决现实世界难题方面具备强大的能力。

BabyAGI 的创造者 Yohei Nakajima 曾说：“The future of autonomous agents looks like everybody becoming a manager.” 这句话很好地概括了我们对 Agents 的展望。

Agent的HelloWorld工作流实例

假设有一个协助研究的 Agent，我们希望获取关于 Twitter 的最新新闻摘要：

我们告诉 Agent “你的目标是找出关于Twitter的最新消息，然后给我发一份摘要”。

Agent查看目标并使用像OpenAI的GPT-4这样的AI进行阅读理解，它提出了第一个任务：“在谷歌上搜索与Twitter相关的新闻。”

然后，Agent 在谷歌上搜索 Twitter 新闻，找到热门文章，并返回链接列表。第一个任务已完成。

现在，Agent 回顾主要目标（获取关于Twitter的最新新闻，并发送摘要）以及它刚刚完成的内容（获得一系列关于Twitter的新闻链接），并决定其下一个任务需要是什么。

它提出了两个新任务。1）写新闻摘要。2）阅读通过谷歌找到的新闻链接的内容。

在继续之前，智能助理会稍作停顿，以确保正确安排这些任务。它反思是否应该先写摘要。然而，它决定首要任务是阅读通过谷歌找到的新闻链接的内容。

Agent 阅读文章内容，然后再次查看待办事项列表。它考虑添加一个新任务来总结所阅读的内容，但是发现这个任务已经在待办事项列表中，因此不会重复添加它。

Agent 检查待办事项列表，只剩下一项任务：撰写所阅读内容的摘要。于是，它执行了这个任务，按照您的要求向您发送了摘要。
 

 AutoGPT

AutoGPT 是一个由Toran Richards创建的流行开源项目，github有接近15万星🌟。它利用GPT4作为大脑，结合langchain的链接思想，连接各种工具和互联网资源，来完成人类给予的任务。

您只需要设定一个目标，AutoGPT就会自主规划并逐步执行任务。如果遇到问题，它会自主拆分任务并逐步解决。

AutoGPT 所做的事情就是把电脑的控制权、向量空间的云存储、各种工具的API交给了AI。借此，它可以分析市场并提出交易策略、客户服务、营销、财务或其他需要持续更新的任务。

这就是为什么 Karpathy 最近说“AutoGPT 是提示工程的下一个前沿”

AutoGPT 相当于给基于 GPT 的模型赋予了内存和主体。您现在可以将任务交给 AI 代理，让它自主制定计划、执行计划、浏览网页并使用新数据修改策略，直到任务完成。

AutoGPT由以下三个组成部分构成：

架构：它通过 API 调用 GPT-4 和 GPT-3.5。

自主迭代：AutoGPT通过自我评估改进其输出，利用以前的行动和提示历史以获得更准确的结果。

内存管理：与 @pinecone 的集成让 AutoGPT 能够长期内存存储，支持上下文保存和改进决策。

此外，AutoGPT还具备多功能性，例如文件操作、网页浏览和数据检索等功能，使其应用范围更广。

快速体验AutoGPT:以Cognosys为例

让我们以Cognosys为例，看看如何使用他们的平台来应用AgentGPT来总结最新新闻。

Cognosys 一款类AutoGPT 的在线工具;不需要绑定OpenAI 的API Key

首先，访问Cognosys网站。

输入Agent的名称和您想要达到的目标，让AgentGPT知道您的需求。

选择模式为Browsing，让AgentGPT拥有联网能力

点击提交，AgentGPT会利用其强大的自然语言处理能力来搜索最新的新闻，并呈现出相关的摘要。

您可以阅读并评估生成的新闻摘要，如果需要，还可以对其进行修改或完善，让摘要更贴合您的需求。

除此之外

AI平台Hugging Face提供了托管版本的AutoGPT。您只需要提供OpenAI API密钥，为AI指定角色和一些目标即可

对于Replit用户，您还可以fork此repl并为其提供您的OpenAI API密钥来体验

godmode也允许您输入OpenAI API密钥后直接体验AutoGPT

恭喜你掌握了第一个 Agent！

AgentGPT

 AgentGPT 的自我介绍：

AgentGPT: Create and run an autonomous agent (AutoGPT) from a website, no login required.

AgentGPT 是一个基于 Langchain 和 OpenAI 基础构建的 AI Agent。它是一个 AI 代理平台，使您能够在浏览器或个人计算机中创建、配置和部署自主 AI 代理。

AgentGPT 允许您配置和部署自治 AI 代理。命名你自己的自定义 AI，让它开始实现任何可以想象的目标。它将尝试通过思考要做的任务、执行它们并从结果中学习来达到目标。

AgentGPT 和 AutoGPT 之间的区别

AutoGPT 是一款功能强大的 AI 工具。但在开始使用之前，您需要设置 Git、安装 Python、下载 Docker 桌面程序并获取 OpenAI API 密钥。

AgentGPT 实际上是基于 AutoGPT 架构进行了改进，为您增加了一个网页界面，摆脱了繁琐的搭建和安装过程。从本质上来说，它就是一个 AutoGPT，您无需自行搭建，也不必担心繁杂的构建步骤，只需要登录网站就可以使用。

简单使用 

前置准备：在使用AgentGPT之前，您需要获取OpenAI API密钥。访问 OpenAI 网站 https://www.openai.com/。

AgentGPT 注册步骤如下：

访问 AgentGPT 平台：https://agentgpt.reworkd.ai/

在 reworkd.ai 上创建一个帐户，并通过提供您的名称和目标来部署您的代理

在我们的例子中，我们要求 AgentGPT 开发一个能够人脸识别的 Web 应用程序。这里我部分截取了中间的运行效果，AgentGPT成功帮我生成了一个人脸识别的 Web 应用，期间无需写任何代码

自己部署

感兴趣的小伙伴也可以尝试自己在本地部署 Agents！

Vercel一键部署AgentGPT

Vercel目前已经支持自主一键部署AgentGPT

HuggingGPT

HuggingGPT是一个多模型调用的 Agent 框架，利用 ChatGPT 作为任务规划器，根据每个模型的描述来选择 HuggingFace 平台上可用的模型，最后根据模型的执行结果生成总结性的响应。

这个项目目前已在 Github 上开源，并且有一个非常酷的名字叫做 JARVIS（钢铁侠的助手）。这项研究主要涉及到两个主体，一个是众所周知的 ChatGPT，另一个是 AI 社区中的 Hugging Face。

在HuggingGPT中，ChatGPT充当了”操作大脑”的角色，能够自动解析用户提出的需求，并在Hugging Face的AI模型库中进行自动模型选择、执行和报告，为我们开发更复杂的人工智能程序提供了极大的便利。

MetaGPT

MetaGPT引入了一个将人工工作流程与多智能体协作无缝集成的框架。通过将标准化操作（SOP） 程序编码为提示，MetaGPT确保解决问题时采用结构化方法，从而减少出错的可能性。

当前 Agent 的解决方案存在一个问题：尽管这些语言模型驱动的 Agent 在简单的对话任务上取得了显著进展，但在面对复杂任务时，LLM 会陷入困境，仿佛看到了并不存在的事物（幻觉）。当将这些 Agent 串联起来时，就会引发混乱的连锁反应。

现在 MetaGPT 引入了标准化操作程序。这些操作程序就像作弊码一样，用于顺利协调工作。它们告诉代理们发生了什么事，以有条不紊的方式指导他们。

借助这些操作程序，代理几乎可以像领域专家一样熟悉他们的工作，并验证输出以避免错误。就像高科技流水线一样，每个代理都扮演着独特的角色，共同理解复杂的团队合作。

为什么 MetaGPT 很重要

MetaGPT 提供了一个全新的视角。这就是它掀起波澜的原因：

稳定的解决方案：借助SOP，与其他 Agents 相比，MetaGPT 已被证明可以生成更一致和正确的解决方案。

多样化的角色分配：为LLM分配不同角色的能力确保了解决问题的全面性。

MetaGPT 软件开发过程

需求分析：收到需求后，该过程开始。这一阶段致力于明确软件所需的功能和要求。

扮演产品经理：产品经理以需求和可行性分析为基础，开启整个流程。他们负责理解需求，并为项目制定明确的方向。

扮演架构师：一旦需求明确，架构师将为项目创建技术设计方案。他们负责构建系统接口设计，确保技术实现符合需求。在MetaGPT中，架构 Agent 可以自动生成系统界面设计，如内容推荐引擎的开发。

扮演项目经理：项目经理使用序列流程图来满足每个需求。他们确保项目按计划前行，每个阶段都得到适时执行。

扮演工程师：工程师负责实际的代码开发。他们使用设计和流程图，将其转化为功能完备的代码。

扮演质量保证（QA）工程师：在开发阶段结束后，QA工程师进行全面的测试。他们确保软件符合所需标准，不存在任何错误或问题。

实例

举个例子，当你输入

python startup.py “Design a RecSys like Toutiao”，

MetaGPT会为你提供多个输出，其中之一是有关数据和API设计的指导。

生成一个包含分析和设计示例的成本大约为0.2美元（使用GPT-4 API），而完整项目的成本约为2.0美元。通过这种方式，MetaGPT提供了低廉的解决方案，让你能够快速获取所需的信息和指导。

快速体验

目前MetaGPT暂无在线体验版本。这里我会列出docker的安装方法，最大程度减少大家安装面对的环境难度：

# Step 1: Download metagpt official image and prepare config.yaml docker pull metagpt/metagpt:v0.3.1 mkdir -p /opt/metagpt/{config,workspace} docker run --rm metagpt/metagpt:v0.3.1 cat /app/metagpt/config/config.yaml > /opt/metagpt/config/key.yaml vim /opt/metagpt/config/key.yaml # Change the config

# Step 2: Run metagpt demo with container docker run --rm \ --privileged \ -v /opt/metagpt/config/key.yaml:/app/metagpt/config/key.yaml \ -v /opt/metagpt/workspace:/app/metagpt/workspace \ metagpt/metagpt:v0.3.1 \ python startup.py "Write a cli snake game" # You can also start a container and execute commands in it docker run --name metagpt -d \ --privileged \ -v /opt/metagpt/config/key.yaml:/app/metagpt/config/key.yaml \ -v /opt/metagpt/workspace:/app/metagpt/workspace \ metagpt/metagpt:v0.3.1 docker exec -it metagpt /bin/bash $ python startup.py "Write a cli snake game"

将"Write a cli snake game"更换成你喜欢的命令试试吧！

Autogen

由微软开发的 Autogen 是一个新的 Agents 项目，刚一上线就登上GitHub热榜，狂揽11k星

项目地址：https://github.com/microsoft/autogen

Autogen 允许你根据需要创建任意数量的Agents，并让它们协同工作以执行任务。它的独特之处在于允许 Agent相互通信并解决任务。例如你可以设置三个角色，产品经理、程序员和设计师，让他们之间讨论如何实现一个产品，并给出 Demo 代码。

不需要写复杂的prompt设定Agents，Agent 自己聊着天就把事给办了🤯

诞生了哪些好玩的AutoGen应用？

几秒钟生成游戏

模拟世界：允许用户阅读时自己参与与主角交互

可视化数据分析

除此之外，官方还放出了6个应用案例，包括解决数学问题、多智能体编码、在线决策制定、基于检索增强聊天、动态群聊以及对话式国际象棋。

充分展示了AutoGen的定制性
 
 AI AIgents时代- Autogen-CSDN博客

OpenAgents

OpenAgents，一个声称在Interface和Environment上全方面超越AutoGPT，OpenInterPreter等框架

接下来我们逐步拆解OpenAgents的独特之处！OpenAgents开发的LLM-powered代理XLang集成了三个功能强大的代理:DataAgent、PluginAgent、webAgent

技术细节 OpenAgents基于LangChain构建了XLang Agents，使用ReAct范式进行思考、行动和观察来完成任务。OpenAgents填补了LangChain的一些空缺，包括提供全面的工具集、实现Web用户界面和后端服务器、创建DataModel类以便信息呈现，以及改进提示。Web用户界面允许用户通过自然语言反馈与Agent交互，而记忆组件则将多轮用户反馈作为历史上下文的一部分传递给Agent。

RL Agent:

ReAct Agent:

XLang Agents:
 

AI AIgents时代-（六.）OpenAgents-CSDN博客