Auto-GPT & GPT-Engineer: Un ghid detaliat despre agenții AI lideri de astăzi

Când comparăm ChatGPT cu agenții AI autonomi, cum ar fi Auto-GPT și GPT-Engineer, o diferență semnificativă apare în procesul de luare a deciziilor. În timp ce ChatGPT necesită implicarea activă a umanului pentru a conduce conversația, oferind îndrumări pe baza promt-urilor utilizatorului, procesul de planificare depinde în mare măsură de intervenția umană.

Modelele de inteligență artificială generativă cum ar fi transformatorii sunt tehnologia de bază de ultimă generație, care alimentează acești agenți AI autonomi. Acești transformatori sunt antrenați pe seturi de date mari, permițându-le să simuleze capacități complexe de raționament și luare a deciziilor.

Rădăcinile deschise ale agenților autonomi: Auto-GPT și GPT-Engineer

Mulți dintre acești agenți AI autonomi provin din inițiative deschise conduse de indivizi inovatori care transformă fluxurile de lucru convenționale. În loc să ofere doar sugestii, agenți precum Auto-GPT pot gestiona în mod independent sarcini, de la cumpărături online la construirea de aplicații de bază. Interpretorul de cod OpenAI urmărește să îmbunătățească ChatGPT de la a sugera idei la a rezolva în mod activ probleme cu aceste idei.

Atât Auto-GPT, cât și GPT-Engineer sunt echipate cu puterea GPT 3.5 și GPT-4. Acestea înțeleg logica codului, combină multiple fișiere și accelerează procesul de dezvoltare.

Esența funcționalității Auto-GPT se află în agenții săi AI. Acești agenți sunt programați pentru a executa sarcini specifice, de la sarcini banale, cum ar fi programarea, până la sarcini mai complexe care necesită luarea deciziilor strategice. Cu toate acestea, acești agenți AI funcționează în limitele stabilite de utilizatori. Prin controlul accesului lor prin intermediul API-urilor, utilizatorii pot determina profunzimea și sfera acțiunilor pe care AI le poate efectua.

De exemplu, dacă li se cere să creeze o aplicație web de chat integrată cu ChatGPT, Auto-GPT descompune în mod autonom obiectivul în pași acționabili, cum ar fi crearea unui front-end HTML sau a unui back-end Python. În timp ce aplicația generează în mod autonom aceste prompt-uri, utilizatorii pot totuși monitoriza și modifica acestea. Așa cum a demonstrat creatorul AutoGPT @SigGravitas, acesta este capabil să construiască și să execute un program de test bazat pe Python.

https://twitter.com/SigGravitas/status/1642181498278408193

Deși diagrama de mai jos descrie o arhitectură generală a unui agent AI autonom, oferă o perspectivă valoroasă asupra proceselor care se desfășoară în spatele scenei.

Arhitectura agentului AI autonom

Procesul este inițiat prin verificarea cheii API OpenAI și inițializarea diverselor parametri, inclusiv memoria pe termen scurt și conținutul bazei de date. Odată ce datele cheie sunt transmise agentului, modelul interacționează cu GPT3.5/GPT4 pentru a obține un răspuns. Acest răspuns este apoi transformat în format JSON, pe care agentul îl interpretează pentru a executa diverse funcții, cum ar fi efectuarea de căutări online, citirea sau scrierea fișierelor sau chiar rularea codului. Auto-GPT utilizează un model preantrenat pentru a stoca aceste răspunsuri într-o bază de date, iar interacțiunile viitoare utilizează aceste informații stocate ca referință. Ciclul continuă până când sarcina este considerată completă.

Ghid de configurare pentru Auto-GPT și GPT-Engineer

Configurarea unor instrumente de ultimă generație, cum ar fi GPT-Engineer și Auto-GPT, poate simplifica procesul de dezvoltare. Mai jos este prezentat un ghid structurat pentru a vă ajuta să instalați și să configurați ambele instrumente.

Auto-GPT

Configurarea Auto-GPT poate părea complexă, dar cu pașii corecti, devine simplă. Acest ghid acoperă procedura de configurare a Auto-GPT și oferă perspective asupra diverselor sale scenarii.

1. Preliminarii:

1. Mediu Python: Asigurați-vă că aveți Python 3.8 sau o versiune mai recentă instalată. Puteți obține Python de pe site-ul oficial.
2. Dacă intenționați să clonați repozitorii, instalați Git.
3. Cheia API OpenAI: Pentru a interacționa cu OpenAI, este necesară o cheie API. Obțineți cheia de pe contul dvs. OpenAI

Generarea cheii API OpenAI

Opțiuni de stocare a memoriei: Un backend de memorie servește ca mecanism de stocare pentru AutoGPT, pentru a accesa datele esențiale pentru operațiunile sale. AutoGPT utilizează atât stocarea pe termen scurt, cât și pe termen lung. Pinecone, Milvus, Redis și altele sunt câteva opțiuni disponibile.

2. Configurarea spațiului de lucru:

1. Creați un mediu virtual: python3 -m venv myenv
2. Activati mediul:
   1. MacOS sau Linux: source myenv/bin/activate

3. Instalare:

1. Clonați repozitoriul Auto-GPT (asigurați-vă că aveți Git instalat): git clone https://github.com/Significant-Gravitas/Auto-GPT.git
2. Pentru a lucra cu versiunea 0.2.2 a Auto-GPT, efectuați checkout-ul la acea versiune specifică: git checkout stable-0.2.2
3. Navigați către repozitoriul descărcat: cd Auto-GPT
4. Instalați dependențele necesare: pip install -r requirements.txt

4. Configurare:

1. Găsiți fișierul .env.template în directorul principal /Auto-GPT. Copiați și redenumiți-l în .env
2. Deschideți .env și setați cheia dvs. API OpenAI lângă OPENAI_API_KEY=
3. În mod similar, pentru a utiliza Pinecone sau alte back-end-uri de memorie, actualizați fișierul .env cu cheia dvs. API Pinecone și regiunea.

5. Instrucțiuni de linie de comandă:

Auto-GPT oferă o gamă bogată de argumente de linie de comandă pentru a personaliza comportamentul său:

• Folosire generală:
  • Afișați ajutor: python -m autogpt --help
  • Reglați setările AI: python -m autogpt --ai-settings <nume_fișier>
  • Specificati un backend de memorie: python -m autogpt --use-memory <backend_memorie>

AutoGPT în linia de comandă

6. Lansarea Auto-GPT:

Odată ce configurațiile sunt complete, inițializați Auto-GPT utilizând:

• Linux sau Mac: ./run.sh start
• Windows: .run.bat

Integrarea Docker (Abordare recomandată de configurare)

Pentru cei care doresc să containerizeze Auto-GPT, Docker oferă o abordare simplificată. Cu toate acestea, trebuie să fiți conștienți că configurarea inițială a Docker poate fi puțin complicată. Consultați ghidul de instalare Docker pentru asistență.

Procedați urmând pașii de mai jos pentru a modifica cheia API OpenAI. Asigurați-vă că Docker rulează în fundal. Acum, mergeți la directorul principal al AutoGPT și urmați pașii de mai jos în terminal

• Construiți imaginea Docker: docker build -t autogpt .
• Rulați: docker run -it --env-file=./.env -v$PWD/auto_gpt_workspace:/app/auto_gpt_workspace autogpt

Cu docker-compose:

• Rulați: docker-compose run --build --rm auto-gpt
• Pentru personalizări suplimentare, puteți integra argumente adiționale. De exemplu, pentru a rula cu –gpt3only și –continuous: docker-compose run --rm auto-gpt --gpt3only--continuous
• Având în vedere autonomia extinsă pe care o posedă Auto-GPT în generarea de conținut din seturi de date mari, există un risc potențial ca acesta să acceseze neintenționat surse web periculoase.

Pentru a reduce riscurile, executați Auto-GPT într-un container virtual, cum ar fi Docker. Acest lucru asigură că orice conținut potențial periculos rămâne confinat în spațiul virtual, lăsând fișierele și sistemul dvs. externe neatinse. Alternativ, Windows Sandbox este o opțiune, deși aceasta resetează după fiecare sesiune, fără a reține starea.

Pentru securitate, executați întotdeauna Auto-GPT într-un mediu virtual, asigurându-vă că sistemul dvs. rămâne izolat de ieșiri neașteptate.

Având în vedere toate acestea, există încă o șansă ca nu veți reuși să obțineți rezultatele dorite. Utilizatorii Auto-GPT au raportat probleme recurente atunci când au încercat să scrie într-un fișier, întâmpinând adesea încercări eșuate din cauza numelor de fișiere problematice. Iată o eroare de acest fel: Auto-GPT (versiunea 0.2.2) nu adaugă textul după eroarea "write_to_file returned: Error: Fișierul a fost deja actualizat

Diverse soluții pentru a aborda această problemă au fost discutate pe threadul GitHub asociat pentru referință.

GPT-Engineer

Flux de lucru GPT-Engineer:

1. Definirea promptului: Creați o descriere detaliată a proiectului dvs. utilizând limbaj natural.
2. Generarea codului: Pe baza promptului dvs., GPT-Engineer generează cod, funcții sau chiar aplicații complete.
3. Refinare și optimizare: După generare, există întotdeauna spațiu pentru îmbunătățire. Dezvoltatorii pot modifica codul generat pentru a îndeplini cerințe specifice, asigurând calitatea superioară.

Procesul de configurare a GPT-Engineer a fost condensat într-un ghid ușor de urmat. Iată o descriere pas cu pas:

1. Pregătirea mediului: Înainte de a începe, asigurați-vă că aveți directorul proiectului dvs. gata. Deschideți un terminal și rulați comanda de mai jos

• Creați un director nou numit ‘website’: mkdir website
• Accesați directorul: cd website

2. Clonarea repozitoriului:  git clone https://github.com/AntonOsika/gpt-engineer.git .

3. Navigarea și instalarea dependențelor: Odată clonat, treceți la director și instalați toate dependențele necesare make install

4. Activarea mediului virtual: În funcție de sistemul dvs. de operare, activați mediul virtual creat.

• Pentru macOS/Linux: source venv/bin/activate

• Pentru Windows, este puțin diferit din cauza configurării cheii API: set OPENAI_API_KEY=[cheia dvs. API]

5. Configurare – Setarea cheii API: Pentru a interacționa cu OpenAI, aveți nevoie de o cheie API. Dacă nu aveți una, înregistrați-vă pe platforma OpenAI, apoi:

• Pentru macOS/Linux: export OPENAI_API_KEY=[cheia dvs. API]

• Pentru Windows (așa cum s-a menționat anterior): set OPENAI_API_KEY=[cheia dvs. API]

6. Inițializarea proiectului și generarea codului: Magia GPT-Engineer începe cu fișierul main_prompt găsit în folderul projects .

• Dacă doriți să începeți un proiect nou: cp -r projects/example/ projects/website

Aici, înlocuiți ‘website’ cu numele proiectului dvs. ales.

• Editează fișierul main_prompt utilizând un editor de text la alegere, scriind cerințele proiectului dvs.

• Odată ce sunteți mulțumit de prompt, rulați: gpt-engineer projects/website

Codul dvs. generat va fi stocat în directorul workspace în interiorul folderului proiect.

7. Post-generare: Deși GPT-Engineer este puternic, nu este întotdeauna perfect. Inspectați codul generat, faceți modificări manuale dacă este necesar și asigurați-vă că totul rulează corect.

Exemplu de rulare

Prompt:

“Vreau să dezvolt o aplicație Streamlit de bază în Python care vizualizează datele utilizatorului prin diagrame interactive. Aplicația ar trebui să permită utilizatorilor să încarce un fișier CSV, să selecteze tipul de diagramă (de exemplu, bară, pie, linie) și să vizualizeze dinamic datele. Acesta poate utiliza biblioteci precum Pandas pentru manipularea datelor și Plotly pentru vizualizare.”

Configurarea și rularea GPT-Engineer

La fel ca și Auto-GPT, GPT-Engineer poate întâlni erori chiar și după o configurare completă. Cu toate acestea, la a treia încercare, am reușit să accesez cu succes pagina Streamlit următoare. Asigurați-vă că verificați orice erori pe pagina de probleme a repozitoriului GPT-Engineer.

Aplicație Streamlit generată utilizând GPT-Engineer

Încetinirile actuale ale agenților AI

Cheltuieli operaționale

O singură sarcină executată de Auto-GPT poate implica numeroase pași. Importantly, fiecare dintre acești pași ar putea fi taxat individual, crescând costurile. Auto-GPT poate fi blocat în bucle repetitive, fără a furniza rezultatele promise. Astfel de evenimente compromit fiabilitatea și subminează investiția.

Imaginați-vă că doriți să creați un eseu scurt cu Auto-GPT. Lungimea ideală a eseuului este de 8K tokeni, dar în timpul procesului de creare, modelul se implică în multiple pași intermediari pentru a finaliza conținutul. Dacă utilizați GPT-4 cu o lungime de context de 8k, pentru intrare, veți fi taxat cu $0.03. Și pentru ieșire, costul ar fi de $0.06. Acum, presupunem că modelul se blochează într-o buclă neașteptată, refăcând anumite părți de mai multe ori. Nu numai că procesul devine mai lung, dar fiecare repetiție adaugă și la cost.

Pentru a vă proteja împotriva acestui lucru:
Setați limite de utilizare în OpenAI Billing & Limits:

• Limită dură: Restrictă utilizarea dincolo de pragul setat.
• Limită moale: Trimite un e-mail de avertizare atunci când pragul este atins.

Limitări funcționale

Capacitățile Auto-GPT, așa cum sunt descrise în codul său sursă, vin cu anumite limite. Strategiile sale de rezolvare a problemelor sunt guvernate de funcțiile sale intrinseci și de accesibilitatea oferită de API-ul GPT-4. Pentru discuții aprofundate și posibile soluții, vă rugăm să vizitați: Discuții Auto-GPT.

Impactul AI asupra pieței muncii

Dinamica dintre AI și piața muncii este în continuă evoluție și este documentată pe larg în acest studiu de cercetare. Un punct cheie este că, în timp ce progresul tehnologic adesea beneficiază lucrătorii calificați, acesta prezintă riscuri pentru cei implicați în sarcini repetitive. De fapt, progresul tehnologic poate înlocui anumite sarcini, dar în același timp, deschide calea pentru diverse sarcini care necesită forță de muncă.

Se estimează că aproximativ 80% dintre lucrătorii americani pot găsi că modelele de învățare a limbajului (LLM) influențează aproximativ 10% din sarcinile lor zilnice. Această statistică subliniază fuziunea rolurilor AI și umane.

Rolul dual al AI în forța de muncă:

• Aspecte pozitive: AI poate automatiza o mulțime de sarcini, de la servicii de asistență la clienți la consultanță financiară, oferind un ajutor micilor întreprinderi care nu au fonduri pentru echipe dedicate.
• Îngrijorări: Avantajul automatizării ridică sprâncenele cu privire la posibilele pierderi de locuri de muncă, în special în sectoarele în care implicarea umană este esențială, cum ar fi suportul clienților. Însoțit de acest lucru este labirintul etic legat de accesul AI la date confidențiale. Acest lucru necesită o infrastructură puternică care să asigure transparența, răspunderea și utilizarea etică a AI.

Concluzie

Este clar că instrumente precum ChatGPT, Auto-GPT și GPT-Engineer se află în fruntea redesenării interacțiunii dintre tehnologie și utilizatori. Cu rădăcini în mișcările deschise, acești agenți AI manifestă posibilitățile autonomiei mașinilor, simplificând sarcini de la programare la dezvoltarea de software.

Pe măsură ce ne îndreptăm spre un viitor în care AI se integrează mai profund în rutinele noastre zilnice, echilibrul dintre adoptarea capacităților AI și protejarea rolurilor umane devine crucial. Pe o scară mai largă, dinamica AI-piața muncii prezintă o imagine duală de oportunități de creștere și provocări, necesitând o integrare conștientă a eticii tehnologiei și a transparenței.