Auto-GPT ve 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 katılımı gerektirmesi ve kullanıcı promtlarına dayalı rehberlik sağlaması gerekirken, planlama süreci büyük ölçüde insan müdahalesine bağlıdır.

Generative AI modelleri gibi transformerler, bu otonom AI ajanlarının temel teknolojisini oluşturur. Bu transformerler büyük veri setleriyle eğitilir ve karmaşık akıl yürütme ve karar verme yeteneklerini simüle etmelerine olanak tanır.

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

Bu otonom AI ajanlarının çoğu, geleneksel iş akışlarını dönüştüren yenilikçi bireyler tarafından liderlik edilen açık kaynak girişimlerinden kaynaklanmaktadır. Auto-GPT gibi ajanlar, sadece önerilerde bulunmak yerine, online alışverişten temel uygulamalar oluşturmaya kadar çeşitli görevleri bağımsız olarak gerçekleştirebilir. OpenAI’nin Kod Tercümanı, ChatGPT’yi sadece fikir önermekten aktif olarak sorunları çözmeye geçirmeyi amaçlar.

Hem Auto-GPT hem de GPT-Engineer, GPT 3.5 ve GPT-4’ün gücüne sahiptir. Kod mantığını anlar, birden fazla dosyayı birleştirir ve geliştirme sürecini hızlandırır.

Auto-GPT’nin işlevinin özü, AI ajanlarında yatmaktadır. Bu ajanlar, kullanıcılar tarafından belirlenen sınırlar içinde belirli görevleri gerçekleştirmek için programlanmıştır. 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 bu hedefi gerçekleştirilebilir adımlara ayırır, Örneğin, bir HTML ön yüzü veya bir Python arka yüzü oluşturur. Uygulama bu promt’ları otomatik olarak üretirken, kullanıcılar bunları izleyebilir ve değiştirebilir. AutoGPT’nin yaratıcısı @SigGravitas tarafından gösterildiği gibi, Python tabanlı bir test programını oluşturup çalıştırabilir.

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

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

Otonom AI Ajanı Mimarisi

Süreç, OpenAI API anahtarını doğrulayarak ve çeşitli parametreleri, kısa süreli bellek ve veritabanı içeriği dahil olmak üzere başlatarak başlar. Anahtar verileri Ajana geçtiğinde, model GPT3.5/GPT4 ile etkileşime girerek bir yanıt alır. Bu yanıt JSON formatına dönüştürülür ve Ajana tarafından çeşitli işlevleri gerçekleştirmek için yorumlanır, Örneğin, online aramalar, dosya okuma veya yazma veya 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 son teknoloji araçlarını kurmak, geliştirme sürecinizi kolaylaştırabilir. Aşağıda her iki aracı kurup yapılandırmanıza yardımcı olacak yapılandırılmış bir kılavuz bulunmaktadır.

Auto-GPT

Auto-GPT’yi kurmak karmaşık görünebilir, ancak doğru adımlarla basitleşir. Bu kılavuz, Auto-GPT’yi kurma işlemini ve çeşitli senaryolarına ilişkin içgörüler sağlar.

1. Ön Koşullar:

1. Python Ortamı: Python 3.8 veya daha yeni bir sürümün kurulduğunu doğrulayın. Python’ı resmi web sitesinden edinebilirsiniz.
2. Depoları klonlamak için Git kurun.
3. OpenAI API Anahtarı: OpenAI ile etkileşime geçmek için bir API anahtarı gereklidir. Anahtarı OpenAI hesabınızdan alın.

Open AI API Anahtarı Oluşturma

Bellek Arka Uç Seçenekleri: Bir bellek arka ucu, AutoGPT’nin operasyonları için gerekli verileri depolamak için bir mekanizma görevi görür. AutoGPT, hem kısa süreli hem de uzun süreli depolama yeteneklerine sahiptir. Pinecone, Milvus, Redis ve diğerleri kullanılabilen bazı 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 kurulduğunu doğrulayın): 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
3. İndirilen depoya gidin: cd Auto-GPT
4. Gerekli bağımlılıkları yükleyin: pip install -r requirements.txt

4. Yapılandırma:

1. .env.template dosyasını ana /Auto-GPT dizininde bulun. Onu kopyalayın ve .env olarak adlandırın.
2. .env dosyasını açın ve OpenAI API anahtarınızı OPENAI_API_KEY= yanına yerleştirin.
3. Ayrıca, 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 kümesine sahiptir:

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

AutoGPT Komut Satırı

6. Auto-GPT’yi Başlatma:

Yapılandırmalar tamamlandıktan sonra, Auto-GPT’yi aşağıdaki komutla başlatın:

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

Docker Entegrasyonu (Önerilen Kurulum Yaklaşımı)

Auto-GPT’yi konteynırlamak isteyenler için Docker, bir dizi avantaj sunar. Ancak, Docker’ın ilk kurulumu biraz karmaşık olabilir. Docker’ın kurulum kılavuzuna buradan ulaşabilirsiniz.

Aşağıdaki adımları takip edin ve OpenAI API anahtarını değiştirin. Docker’ın arka planda çalıştığından emin olun. Şimdi, AutoGPT’nin ana dizinine gidin ve terminalde 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, büyük veri kümelerinden içerik oluşturma yeteneği nedeniyle, potansiyel olarak zararlı web kaynaklarına istemeden erişme riski taşır.

Bu riskleri azaltmak için, Auto-GPT’yi bir sanal konteynır içinde, Örneğin, Docker’da çalıştırın. Bu, potansiyel olarak zararlı içeriğin sanal alanda kalmasını sağlar ve dış dosyalarınız ve sisteminiz etkilenmez. Alternatif olarak, Windows Sanal Çalışma Alanı da bir seçenektir, ancak her oturum بعدinde durumunu kaydedemez.

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

Bununla birlikte, masih de Auto-GPT’yi istediğiniz sonuçları alamayabilirsiniz. Auto-GPT kullanıcıları, bir dosyaya yazma sırasında sürekli sorunlar yaşadıklarını bildirdiler, thường dosyaya yazma girişimleri başarısız oldu. İşte böyle bir hata: Auto-GPT (0.2.2 sürümü) metni ekleyemez: Hata: Dosya zaten güncellenmiştir

Bu sorunun çözümü için çeşitli öneriler, ilgili GitHub tartışma sayfasında bulunabilir.

GPT-Engineer

GPT-Engineer İş Akışı:

1. Prompt Tanımı: Projenizi doğal dil kullanarak ayrıntılı bir şekilde tanımlayın.
2. Kod Oluşturma: Prompt’unuz temelinde, GPT-Engineer kod parçaları, fonksiyonlar veya hatta tam uygulamalar oluşturur.
3. İyileştirme ve Optimizasyon: Oluşturulan kodun ardından, geliştiriciler kodu belirli gereksinimlere uydurmak için değiştirebilir, böylece en iyi kaliteyi sağlar.

GPT-Engineer kurulum süreci, kolayca takip edilebilecek bir kılavuza indirgenmiştir. İşte adım adım bir açıklama:

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 Klonla:  git clone https://github.com/AntonOsika/gpt-engineer.git .

3. Dizine Geç ve Bağımlılıkları Kur: Klonladıktan sonra, dizine geçin cd gpt-engineer ve tüm gerekli bağımlılıkları yükleyin make install

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

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

• For Windows, API anahtarını ayarlamak için biraz farklıdır: set OPENAI_API_KEY=[API anahtarınız]

5. API Anahtarı Yapılandırması: OpenAI ile etkileşime geçmek için bir API anahtarı gereklidir. Henüz yoksa, OpenAI platformuna kaydolun, ardından:

• For macOS/Linux: export OPENAI_API_KEY=[API anahtarınız]

• For Windows (önceki gibi): set OPENAI_API_KEY=[API anahtarınız]

6. Proje Başlatma ve Kod Oluşturma: GPT-Engineer’in sihirli kısmı, projects dizinindeki main_prompt dosyasıyla başlar.

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

Burada, “website” ile projenizin adını değiştirin.

• Tercih ettiğiniz metin düzenleyicisini 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. Oluşturulan Kodu İnceleme: GPT-Engineer güçlüdür, ancak her zaman mükemmel olmayabilir. Oluşturulan kodu inceleyin, gerekli ise el ile düzeltmeler yapın ve her şeyin düzgün çalıştığından emin olun.

Örnek Çalışma

Prompt:

“Python’da bir Streamlit uygulaması geliştirmek istiyorum. Bu uygulama, kullanıcıların bir CSV dosyası yüklemesine, grafik türünü seçmesine (örneğin, çubuk, pizza, çizgi) ve verileri dinamik olarak görselleştirmesine olanak tanıyacak. Pandas gibi kütüphaneleri veri işlemede ve Plotly gibi kütüphaneleri görselleştirmede kullanabilir.”

GPT-Engineer’i Kurma ve Çalıştırma

Tıpkı Auto-GPT gibi, GPT-Engineer de tam kurulum sonrasında hatalarla karşılaşabilir. Ancak üçüncü denememde, aşağıdaki Streamlit sayfasına başarılı bir şekilde erişebildim. Lütfen hataları GPT-Engineer deposunun sorun sayfasında inceleyin.

GPT-Engineer ile Oluşturulan Streamlit Uygulaması

AI Ajanlarının Mevcut Darboğazları

Operasyonel Giderler

Auto-GPT tarafından gerçekleştirilen tek bir görev, birçok adımdan oluşabilir. Her bir adım, bireysel olarak faturalandırılabilir, bu da maliyetleri artırır. Auto-GPT, tekrarlanan döngülere takılabilecek ve vaat edilen sonuçları teslim edemeyebilir. Bu, güvenilirliğini zayıflatır ve yatırımın boşa gitmesine neden olur.

Örneğin, Auto-GPT ile 8K token uzunluğunda bir kısa makale oluşturmak istiyorsunuz. Makalenin ideal uzunluğu 8K token ise, oluşturma sırasında model, içeriği nihai hale getirmek için birçok ara adıma girer. GPT-4 ile 8K bağlam uzunluğunu kullanırsanız, girişiniz için $0.03 ve çıktınız için $0.06 ödersiniz. Şimdi, model, bazı kısımları birden fazla kez yeniden yaparak bir döngüye girerse, hem süreç uzar hem de her tekrarın maliyeti artar.

Bunu önlemek için:

Kullanım limitlerini OpenAI Faturalama ve Limitlerde ayarlayın:

• Sert Limit: Belirlediğiniz eşiğin ötesinde kullanımı kısıtlar.
• Yumuşak Limit: Eşiği aştığınızda size bir e-posta bildirimi 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 Tartışması sayfasını ziyaret edin.

AI’nin İşgücü Piyasasına Etkisi

AI ve işgücü piyasaları arasındaki dinamik, sürekli evrim geçirmekte ve bu konuda kapsamlı bir araştırma makalesi bulunmaktadır. Ana nokta, teknolojik ilerlemenin genellikle nitelikli işçiler için fayda sağlarken, rutin görevlerde çalışanlar için risk oluşturabileceğidir. Aslında, teknolojik ilerlemeler bazı görevleri ortadan kaldırabilir, ancak aynı zamanda çeşitli, emek yoğun görevler için yol açabilir.

Amerikalı işçilerin %80’i, dil öğrenme modellerinin (LLM’ler) günlük görevlerinin %10’unu etkileyebileceğini tahmin etmektedir. Bu istatistik, AI ve insan rollerinin birleşmesini vurgulamaktadır.

AI’nin 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 ekibe sahip olmak için yeterli fonları olmayabilir.
• Endişeler: Otomasyonun avantajı, özellikle müşteri desteği gibi insan katılımının önemli olduğu sektörlerde potansiyel iş kaybı endişelerini gündeme getirir. Ayrıca, AI’nin gizli verilere erişmesiyle ilgili etik sorunlar da bulunmaktadır. Bu, şeffaflık, hesap verebilirlik ve AI’nin etik kullanımını garantileyen güçlü bir altyapının gerekli olduğu anlamına gelir.

Sonuç

Açıkça, ChatGPT, Auto-GPT ve GPT-Engineer gibi araçlar, teknoloji ve kullanıcıları arasındaki etkileşimi yeniden şekillendirmenin ön saflarında yer almaktadır. Açık kaynak hareketlerinin kökenlerinden gelen bu AI ajanları, makine otonomisinin olanaklarını, zamanlama görevlerinden yazılım geliştirmeye kadar çeşitli görevleri basitleştirerek gösterirler.

AI’nin günlük rutinlerimize daha da entegre olduğu bir geleceğe ilerlerken, AI’nin yeteneklerini benimsemek ve insan rollerini korumak arasında bir denge kurulması kritik önem taşır. Daha geniş bir perspektiften bakıldığında, AI ve işgücü piyasası dinamiği, büyüme fırsatları ve zorlukların bir karışımını resmeder, bu da teknoloji etiği ve şeffaflığının bilinçli bir şekilde entegrasyonunu gerektirir.