AI智能体卷爆大模型！AutoGPT等4大Agent打擂，「西部世界」谁将成为软件2.0？

---

  新智元报道  

最近，AI Agent忽然再次爆火。

什么是AI智能体？

它们是一种自动的智能体，以最简单的形式中在循环中运行，每次迭代时，它们都会生成自我导向的指令和操作。因此，它们不依赖人类来指导对话，并且是高度可扩展的。

大语言模型的出现，无疑给AI智能体的发展带来了全新的想象力。

这也引起了无数AI大佬和科技巨头的兴趣。今年加入OpenAI的大牛、前特斯拉AI总监Karpathy近日就在一次开发者活动上表示：AI智能体，代表了AI的一种未来！

Karpathy曾将AutoGPT称为快速工程的下一个前沿

其实，早在今年三、四月，就有过一轮AI智能体的大爆发，仿佛巧合一样，在短短两周内，斯坦福西部世界小镇、BabyAGI、AutoGPT等多个智能体，就如雨后春笋一般冒出来。

甚至有人发出号召：别卷大语言模型了，咱们是卷不过OpenAI的，但要说起AI智能体，他们并不比我们有经验多少。

说不定，一不小心自己就能卷成AI智能体赛道上的「OpenAI」！

反思树

角色扮演架构

LangChain实现

chat_turn_limit, n = 30, 0while n < chat_turn_limit:    n += 1    user_ai_msg = user_agent.step(assistant_msg)    user_msg = HumanMessage(content=user_ai_msg.content)    print(f"AI User ({user_role_name}):\n\n{user_msg.content}\n\n")
    assistant_ai_msg = assistant_agent.step(user_msg)    assistant_msg = HumanMessage(content=assistant_ai_msg.content)    print(f"AI Assistant ({assistant_role_name}):\n\n{assistant_msg.content}\n\n")    if "<CAMEL_TASK_DONE>" in user_msg.content:        break

举个栗子

Yohei Nakajima在3月28日发布了「任务驱动的自主智能体」（Task-driven Autonomous Agent），并在4月3日开源了BabyAGI项目。

BabyAGI的关键特点是只有三个智能体：任务执行智能体（Task Execution Agent）、任务创建智能体（Task Creation Agent）和任务优先级智能体（Task Prioritization Agent）。

1）任务执行智能体按顺序完成列表中的任务

2）任务创建智能体根据先前任务的目标和结果创建新任务

3）任务优先级智能体对任务进行重新排序

然后，这个简单的过程将会不断地重复。

在LangChain的网络研讨会上Yohei称，他设计BabyAGI就是模拟自己的工作方式。

文章地址：https://yoheinakajima.com/task-driven-autonomous-agent-utilizing-gpt-4-pinecone-and-langchain-for-diverse-applications/

具体而言，他每天早上从待办事项清单中解决第一项任务，然后依次完成任务。

如果出现新任务，他只需将其添加到清单中。

在一天结束时，他重新评估和重新排序清单。然后将这种方法映射到智能体的工作流程中。

用上了这个项目，相当于让大佬自己给我们24小时不停歇的打工。

BabyAGI流程图（有趣的是，这篇研究论文是在GPT-4的辅助下完成的）

BabyAGI + LangChain

在LangChain框架中，运行BabyAGI非常简单。

首先，创建一个BabyAGI控制器，其中包含三个链：

1）任务创建链（TaskCreationChain）

2）任务优先级链（TaskPrioritizationChain）

3）执行链（ExecutionChain）

然后，在一个（潜在的）无限循环中运行它们。

通过Langchain，可以定义最大迭代次数，这样它就不会无限运行并消耗掉所有的OpenAI API额度。

OBJECTIVE = "Write a weather report for SF today"llm = OpenAI(temperature=0)# Logging of LLMChainsverbose=False# If None, will keep on going forevermax_iterations: Optional[int] = 3baby_agi = BabyAGI.from_llm(    llm=llm,    vectorstore=vectorstore,    verbose=verbose,    max_iterations=max_iterations)baby_agi({"objective": OBJECTIVE})

下面是运行2次迭代后的结果：

BabyAGI + LangChain工具 = 超能力

正如上图所示，BabyAGI只「执行」有大语言模型回复的内容。

借助LangChain工具的强大功能，智能体可以在「执行」过程中利用各种工具，例如用谷歌在互联网上搜索信息。

下面这个例子，展示的就是「执行」用谷歌来搜索旧金山当前天气的过程。

BabyAGI的应用潜力，可以说是巨大的——只需要制定一个目标，它就会自己去执行。

不过，它还是缺少一个可以和用户进行更多交互的UI。

比如，在BabyAGI为用户安排邀约之前，应该先进行确认。

我们来看一些实际的使用案例吧：

Cognosys

网址：https://www.cognosys.ai/

它是BabyAGI的网络版。

免费版本可以访问ChatGPT，执行最多7个智能体循环。

收费版21刀一个月，无限访问GPT-4，执行最多20个智能体循环。

Do Anything Machine

https://www.doanythingmachine.com/

这是一个自动执行每日任务清单的智能体，能在连接了ChatGPT之后帮助用户自动执行每日代办事项。

可以连接包括ChatGPT在内的各种插件去执行你的待办事项。

只不过现在使用还需要先加入等待名单。

看着自己的待办事项自动消失真是一件很解压的事情，多等等也是值得的。

God Mod

https://godmode.space/

这是一个通过ChatGPT帮你执行各种任务的工具。

需要用户绑定自己的GPT账户API之后，在这个类似ChatGPT的界面中输入的要求。

他会帮你分解成多步，然后通过ChatGPT来提供解决方案。

虽然刚刚介绍的这4个AI智能体，仍处于早期开发阶段，但它们已经展示出了令人印象深刻的成果和潜在应用。

毫无疑问，自主AI智能体将会是一个非常有前景的领域。

Karpathy在活动中畅想道：未来的AI智能体可能不是单独的个体，而是非常多的AI智能体组织，甚至，会出现一种AI智能体文明。

Karpathy表示，在2016年左右，自己早期在OpenAI工作时，当时的业界潮流就是研究如何用强化学习来改进AI智能体。

很多项目都在基于类似雅达利游戏，来制作AI玩家。

而5年后的今天，因为有了全新的技术手段，AI智能体重新成为了大有前途的方向。再也没有人像2016年那样，用强化学习来研究智能体了。

在活动最后，Karpathy对在场的开发者发起了鼓舞：在座的各位构建的AI智能体，其实处于当代AI智能体的最前沿，比起你们，其他大型的LLM机构，比如OpenAI、DeFi等，并不算处于最前沿。

比如，OpenAI非常擅长训练Transformer大语言模型，如果一篇论文提出了某种不同的训练方法，OpenAI内部会觉得是小case，都是咱们玩剩下的。

然而，每当有新的AI智能体论文出现，OpenAI内部都会非常兴奋，立刻展开热烈的讨论。

如果没有在做GPT-5，那OpenAI是不是正在暗中发力，做起了大模型智能体呢？让我们静静等待。

PS：顺便一提，关于在上述智能体中大显身手的LangChain，吴恩达今日刚刚上线了新课程《LangChain：构建与数据对话的聊天机器人》。

https://www.deeplearning.ai/short-courses/langchain-chat-with-your-data/

https://towardsdatascience.com/4-autonomous-ai-agents-you-need-to-know-d612a643fa92