Auto-GPT & GPT-Engineer: Bugün Lider AI Ajanlarına İlişkin Derinlemesine Bir Rehber

ChatGPT ile Auto-GPT ve GPT-Engineer gibi Otonom AI ajanlarını karşılaştırdığımızda, karar verme sürecinde önemli bir fark ortaya çıkar. ChatGPT’nin aktif insan katılımına ihtiyaç duyması ve kullanıcı promtlarına dayalı rehberlik sağlamasıyla birlikte, planlama süreci büyük ölçüde insan müdahalesine bağlıdır.

Generative AI modelleri gibi transformer’ler, bu otonom AI ajanlarının temel teknolojisini oluşturur. Bu transformer’ler büyük veri setleriyle eğitilir ve böylece karmaşık akıl yürütme ve karar verme yeteneklerini simüle edebilirler.

Otonom Ajanların Açık Kaynak Kökenleri: Auto-GPT ve GPT-Engineer

Bu otonom AI ajanlarının çoğu, geleneksel iş akışlarını dönüştüren yenilikçi bireyler tarafından yürütülen açık kaynak girişimlerinden kaynaklanır. Sadece öneriler sunmak yerine, Auto-GPT gibi ajanlar, online alışverişten temel uygulamaları oluşturmaya kadar bağımsız olarak görevleri gerçekleştirebilir. OpenAI’nin Kod Yorumlayıcısı, ChatGPT’yi sadece fikir önermekten aktif olarak sorunları çözme yeteneklerine yükseltmeyi hedefler.

Hem Auto-GPT hem de GPT-Engineer, GPT 3.5 ve GPT-4’ün gücüne sahiptir. Kod mantığını kavrar,多lu dosyaları birleştirir ve geliştirme sürecini hızlandırır.

Auto-GPT’nin işlevselliğinin özü, AI ajanlarında yatmaktadır. Bu ajanlar, stratejik karar alma gerektiren daha karmaşık görevlerden mundane görevlere kadar belirli görevleri gerçekleştirmek için programlanmıştır. Ancak bu AI ajanları, kullanıcılar tarafından belirlenen sınırlar içinde çalışır. API’ler aracılığıyla erişimlerini kontrol ederek, kullanıcılar AI’nın gerçekleştirebileceği eylemlerin derinliğini ve kapsamını belirleyebilir.

Örneğin, ChatGPT ile entegre edilmiş bir sohbet web uygulaması oluşturma görevi verildiğinde, Auto-GPT otomatik olarak bu hedefi gerçekleştirilebilir adımlara ayırır, Örneğin, bir HTML ön yüzü veya bir Python arka uç scripti oluşturur. Uygulama bu promt’ları otomatik olarak üretirken, kullanıcılar bunları masih izleyebilir ve değiştirebilir. AutoGPT’nin yaratıcısı @SigGravitas tarafından gösterildiği gibi, bir test programını Python’da oluşturup çalıştırabilir.

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

Aşağıdaki diyagram, bir Otonom AI ajanının daha genel bir mimarisini açıklar ve arka plandaki süreçlere değerli bir bakış sağlar.

Otonom AI Ajanı Mimarisi

Süreç, OpenAI API anahtarını doğrulayarak ve kısa süreli bellek ve veritabanı içeriği gibi çeşitli parametreleri başlatarak başlatılır. Anahtar veriler Ajan’a geçtiğinde, model GPT3.5/GPT4 ile etkileşime girerek bir yanıt alır. Bu yanıt daha sonra JSON formatına dönüştürülür, ki Ajan bunu çeşitli işlevleri gerçekleştirmek için yorumlar, Örneğin, online aramalar, dosyaları okuma veya yazma veya hatta kod çalıştırma. Auto-GPT, bu yanıtları bir veritabanında depolamak için önceden eğitilmiş bir model kullanır ve gelecekteki etkileşimler bu depolanan bilgileri referans olarak kullanır. Döngü, görev tamamlanana kadar devam eder.

Auto-GPT ve GPT-Engineer Kurulum Kılavuzu

GPT-Engineer ve Auto-GPT gibi öncü araçları kurmak, geliştirme sürecinizi kolaylaştırabilir. Aşağıda her iki aracı kurmak ve yapılandırmak için yapılandırılmış bir rehber bulunmaktadır.

Auto-GPT

Auto-GPT’yi kurmak karmaşık görünebilir, ancak doğru adımlarla basitleşir. Bu rehber, Auto-GPT’yi kurma prosedürünü kapsar ve çeşitli senaryolar hakkında fikir verir.

1. Ön Koşullar:

1. Python Ortamı: Python 3.8 veya daha yeni bir sürümün kurulu olduğundan emin olun. Python’ı resmi websitesinden edinebilirsiniz.
2. Depoları klonlamak istiyorsanız, Git kurun.
3. OpenAI API Anahtarı: OpenAI ile etkileşime girmek için bir API anahtarı gereklidir. Anahtarı OpenAI hesabınızdan alabilirsiniz.

Open AI API Anahtarı Oluşturma

Bellek Arka Uç Seçenekleri: Bir bellek arka ucu, AutoGPT’nin temel veri için erişim mekanizması olarak hizmet eder. AutoGPT, hem kısa süreli hem de uzun süreli depolama yeteneklerine sahiptir. Pinecone, Milvus, Redis ve diğerleri, mevcut seçeneklerdir.

2. Çalışma Alanınızı Ayarlama:

1. Sanal bir ortam oluşturun: python3 -m venv myenv
2. Ortamı etkinleştirin:
   1. MacOS veya Linux: source myenv/bin/activate

3. Kurulum:

1. Auto-GPT deposunu klonlayın (Git’in kurulu olduğundan emin olun): git clone https://github.com/Significant-Gravitas/Auto-GPT.git
2. Auto-GPT’nin 0.2.2 sürümüne geçmek için git checkout stable-0.2.2 çalıştırın.
3. İndirilen depoya gidin: cd Auto-GPT
4. Gerekli bağımlılıkları kurun: pip install -r requirements.txt

4. Yapılandırma:

1. .env.template dosyasını ana /Auto-GPT dizininde bulun. Kopyalayın ve adını .env olarak değiştirin.
2. .env dosyasını açın ve OpenAI API anahtarınızı OPENAI_API_KEY= yanına yerleştirin.
3. Pinecone veya diğer bellek arka uçlarını kullanmak için .env dosyasını Pinecone API anahtarınız ve bölgenizle güncelleyin.

5. Komut Satırı Talimatları:

Auto-GPT, davranışını özelleştirmek için zengin bir komut satırı argümanları setine sahiptir:

• Genel Kullanım:
  • Yardım Göster: python -m autogpt --help
  • AI Ayarlarını Uyarlayın: python -m autogpt --ai-settings <filename>
  • Bir Bellek Arka Uç Seçin: python -m autogpt --use-memory <memory-backend>

AutoGPT CLI

6. Auto-GPT’yi Başlatma:

Yapılandırmalar tamamlandıktan sonra, Auto-GPT’yi başlatmak için:

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

Docker Entegrasyonu (Önerilen Kurulum Yaklaşımı)

Auto-GPT’yi konteynırlaştırmak isteyenler için Docker, bir dizi yaklaşım sunar. Ancak, Docker’ın ilk kurulumu biraz karmaşık olabilir. Yardıma ihtiyacınız varsa, Docker’ın kurulum kılavuzuna başvurun.

Aşağıdaki adımları takip edin:

• Docker görüntüsünü oluşturun: docker build -t autogpt .
• Şimdi Çalıştır: docker run -it --env-file=./.env -v$PWD/auto_gpt_workspace:/app/auto_gpt_workspace autogpt

Docker-compose ile:

• Çalıştır: docker-compose run --build --rm auto-gpt
• Ek özelleştirmeler için, ek argümanları entegre edebilirsiniz. Örneğin, –gpt3only ve –continuous ile çalıştırmak için: docker-compose run --rm auto-gpt --gpt3only--continuous
• Auto-GPT’nin büyük veri setlerinden içerik oluşturma yeteneği nedeniyle, potansiyel olarak zararlı web kaynaklarına erişme riski vardır.

Bu riskleri azaltmak için, Auto-GPT’yi bir sanal konteynır içinde çalıştırın, Örneğin, Docker. Bu, herhangi bir potansiyel olarak zararlı içeriğin sanal alanda kalmasını sağlar ve dış dosyalarınız ve sisteminiz etkilenmez. Alternatif olarak, Windows Sanctuary bir seçenektir, ancak her oturum之后 durumunu sıfırlar.

Güvenlik için, her zaman Auto-GPT’yi bir sanal ortamda çalıştırın, böylece sisteminiz beklenmedik çıktılardan korunur.

Bununla birlikte, masih bazı durumlarda istenen sonuçları alamayabilirsiniz. Auto-GPT kullanıcıları, bir dosyaya yazma sırasında tekrarlanan sorunlar bildirdiler, genellikle sorunlu dosya adları nedeniyle başarısız girişimlerle karşılaştılar. İşte böyle bir hata: Auto-GPT (0.2.2 sürümü) metni ekleyemez "write_to_file returned: Error: Dosya zaten güncellendi

Bu sorunları çözmek için çeşitli çözümler, ilgili GitHub tartışması için başvurulabilir.

GPT-Engineer

GPT-Engineer İş Akışı:

1. Prompt Tanımı: Projeniz için doğal dil kullanarak ayrıntılı bir açıklama oluşturun.
2. Kod Oluşturma: Prompt’unuz temelinde, GPT-Engineer kod parçacıkları, fonksiyonlar veya hatta tam uygulamalar oluşturur.
3. İyileştirme ve Optimizasyon: Üretimin之后, geliştirme için masih alan vardır. Geliştiriciler, belirli gereksinimleri karşılamak için oluşturulan kodu değiştirebilir, böylece en yüksek kaliteyi sağlar.

GPT-Engineer kurulum süreci, kolayca takip edilebilecek bir rehber haline getirilmiştir. Aşağıda adım adım bir açıklama bulunmaktadır:

1. Ortam Hazırlama: Başlamadan önce, projenizin dizinini hazır bulundurun. Bir terminal açın ve aşağıdaki komutu çalıştırın

• Adı “website” olan yeni bir dizin oluşturun: mkdir website
• Dizine geçin: cd website

2. Deposunu Klonlayın:  git clone https://github.com/AntonOsika/gpt-engineer.git .

3. Geçiş ve Bağımlılıkları Kurun: Klonladıktan sonra, dizine geçin cd gpt-engineer ve tüm gerekli bağımlılıkları kurun make install

4. Sanal Ortamı Etkinleştirin: İşletim sisteminize bağlı olarak, oluşturulan sanal ortamı etkinleştirin.

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

• For Windows, API anahtarı kurulumu nedeniyle biraz farklıdır: set OPENAI_API_KEY=[your api key]

5. Yapılandırma – API Anahtarı Ayarı: OpenAI ile etkileşime girmek için bir API anahtarı gereklidir. Henüz bir anahtarınız yoksa, OpenAI platformuna kaydolun, ardından:

• For macOS/Linux: export OPENAI_API_KEY=[your api key]

• For Windows (önceki gibi): set OPENAI_API_KEY=[your api key]

6. Proje Başlatma ve Kod Oluşturma: GPT-Engineer’in işlevselliği, projects klasöründe bulunan main_prompt dosyasıyla başlar.

• Yeni bir proje başlatmak istiyorsanız: cp -r projects/example/ projects/website

Burada, “website” ile projenizin adını değiştirin.

• Tercih ettiğiniz bir metin düzenleyicisi kullanarak main_prompt dosyasını düzenleyin ve projenizin gereksinimlerini doğal dil kullanarak yazın.

• İstediğiniz prompt’u yazdıktan sonra çalıştırın: gpt-engineer projects/website

Oluşturulan kod, proje klasörünüzdeki workspace dizininde bulunacaktır.

7. Üretimin Ardından: GPT-Engineer güçlüdür, ancak her zaman mükemmel olmayabilir. Oluşturulan kodu inceleyin, gerektiğinde el ile değişiklikler yapın ve her şeyin düzgün çalıştığından emin olun.

Örnek Çalışma

Prompt:

“Python’da bir temel Streamlit uygulaması geliştirmek istiyorum. Bu uygulama, kullanıcıların bir CSV dosyası yüklemesine, grafik türünü (örneğin, bar, pie, line) seçmesine ve verileri dinamik olarak görselleştirmesine olanak tanır. Pandas gibi veri işleme kütüphanelerini ve Plotly gibi görselleştirme kütüphanelerini kullanabilir.”

GPT-Engineer Kurulumu ve Çalıştırılması

GPT-Engineer de Auto-GPT gibi, tam kurulum之后 hala hatalarla karşılaşabilir. Ancak üçüncü denememde, aşağıdaki Streamlit sayfasına başarılı bir şekilde eriştim. Lütfen herhangi bir hata için resmi GPT-Engineer Deposu Sorun Sayfasına başvurun.

GPT-Engineer ile Oluşturulan Streamlit Uygulaması

AI Ajanlarının Mevcut Tıkanıklıkları

Operasyonel Giderler

Auto-GPT tarafından gerçekleştirilen tek bir görev, birçok adımdan oluşabilir. Her bir adım, bireysel olarak faturalandırılabilir, maliyetleri artırabilir. Auto-GPT, tekrarlanan döngülere takılabilir ve vaat edilen sonuçları teslim edemeyebilir. Bu, güvenilirliğini tehlikeye atar ve yatırımı zayıflatır.

Bir örnek olarak, Auto-GPT ile 8K token uzunluğunda bir kısa makale oluşturmak isteyelim. Makale oluşturma sırasında model, içeriği nihai hale getirmek için birçok ara adıma dalabilir. GPT-4’ü 8K bağlam uzunluğuyla kullanıyorsanız, girişiniz için $0.03 ve çıkış için $0.06 ücretlendirilirsiniz. Model, bazı kısımları birden fazla kez yeniden yaparsa, süreç uzar ve her tekrarlayan adımda maliyet artar.

Bunun önüne geçmek için:

Kullanım sınırlarını ayarlayın OpenAI Faturalama ve Sınırları:

• Sert Sınır: Belirlediğiniz eşiğin ötesinde kullanımı kısıtlar.
• Yumuşak Sınır: Eşiği aştığınızda size bir e-posta uyarısı gönderir.

İşlevsellik Sınırlamaları

Auto-GPT’nin yetenekleri, kaynak kodunda gösterildiği gibi belirli sınırlara sahiptir. Problemleri çözme stratejileri, iç fonksiyonları ve GPT-4’ün API’sinin sağladığı erişim tarafından yönetilir. Derinlemesine tartışmalar ve olası çözümler için, Auto-GPT Tartışmasına bakın.

AI’nın İşgücü Piyasasına Etkisi

AI ve işgücü piyasaları arasındaki dinamik sürekli evrim geçiriyor ve bu araştırma makalesinde kapsamlı bir şekilde belgelenmiştir. Ana nokta, teknolojik ilerlemenin genellikle becerili işçiler için fayda sağlarken, rutin görevlerde çalışanlar için risk oluşturabileceğidir. Aslında, teknolojik ilerlemeler belirli görevleri ortadan kaldırabilir, ancak aynı zamanda çeşitli, emek yoğun görevler için yol açabilir.

Tahminlere göre, Amerikalı işçilerin %80’i, dil öğrenme modellerinin (LLM’ler) günlük görevlerinin %10’unu etkileyebileceğini görebilir.

AI’nın işgücü piyasasındaki iki yüzü:

• Olumlu Yönler: AI, müşteri hizmetlerinden finansal tavsiyelere kadar birçok görevi otomatikleştirebilir, bu da küçük işletmeler için bir rahatlama sağlar, çünkü ayrı bir ekip için fon ayıramazlar.
• Endişeler: Otomasyonun avantajı, özellikle insan katılımının önemli olduğu sektörlerde, iş kaybı endişeleri yaratır. Ayrıca, AI’nın gizli verilere erişmesi ile ilgili etik labirent vardır. Bu, şeffaflık, hesap verebilirlik ve AI’nın etik kullanımını garantileyen güçlü bir altyapının gerekliliğini vurgular.

Sonuç

Açıkça, ChatGPT, Auto-GPT ve GPT-Engineer gibi araçlar, teknoloji ve kullanıcıları arasındaki etkileşimi yeniden şekillendirmekte ön saflardadır. Açık kaynak hareketlerinin kökenlerinde, bu AI ajanları, makine otonomisinin olanaklarını somutlaştırır ve görevleri planlamadan yazılım geliştirmeye kadar kolaylaştırır.

AI’nin günlük rutinlerimize daha derinden entegre olduğu bir geleceğe doğru ilerlerken, AI’nin yeteneklerini benimseme ve insan rollerini koruma arasında bir denge kurulması hayati önem taşır. Daha geniş bir perspektifte, AI-işgücü piyasası dinamiği, büyüme fırsatları ve zorlukların birleşik bir resmini sunar, teknoloji etiği ve şeffaflığının bilinçli bir şekilde entegrasyonunu gerektirir.