一、基本安装

I、要安装Git,请按照以下步骤操作:

  1. 访问Git官网 Git - Downloads
  2. 根据您的操作系统下载最新版本的Git。
  3. 打开下载的文件并按照安装向导进行安装。在安装过程中,您可以选择默认设置,也可以根据需要进行自定义设置。
  4. 安装完成后,您可以通过打开命令提示符(或 PowerShell)并输入 git --version 来检查 Git 是否已成功安装。如果看到 Git 的版本号,说明安装成功。

注:使用git的目的是把AutoGPT代码克隆到本地,当地也可以在github上直接下载源文件

II、要安装Python,请按照以下步骤操作:

  1. 访问 Python 官方网站下载页面: Download Python | Python.org

  2. 选择适用于您操作系统的 Python 安装程序,推荐下载最新的稳定版本。

  3. 下载完成后,运行 Python 安装程序。

  4. 在安装界面中,务必勾选“Add Python to PATH”选项,然后点击“Install Now”按钮以使用默认设置进行安装。您也可以选择“Customize installation”来自定义安装设置。

  5. 点击“安装”,等待安装完成。

    安装完成后,您可以通过打开命令提示符(或 PowerShell)并输入 python --version 来检查 Python 是否已成功安装。如果看到 Python 的版本号,说明安装成功。

注:AutoGPT是Python语言代码。

二、AutoGPT 安装

  1. 确保您已经满足上述 要求 ,如果没有,请先安装/获取它们。

  2. 克隆仓库: 对于这一步,您需要安装Git,或者您也可以通过单击此页面顶部的按钮 下载ZIP文件

    **git clone <https://github.com/Torantulino/Auto-GPT.git**>
    
  3. 导航至项目目录: (在CMD窗口中输入此内容,您的目标是将CMD窗口导航至刚刚下载的仓库)

    **cd 'Auto-GPT'**
    
  4. 安装所需的依赖项: (再次在CMD窗口中输入此内容)

    **pip install -r requirements.txt**
    
  5. 将** .env.template 重命名为 .env ,并填写您的 API_KEY **

  6. 在..\Auto-GPT\目录中创建 auto-gpt.json 文件,如果存在可忽略。

三、API-key 获取和填写

I、获取OpenAI API密钥

  1. 访问 OpenAI官网 注册一个账户并登录
  2. OpenAI dashboard 页面,单击 "Create new API key"
  3. 输入 API key 名称和用途,并单击 "Create"
  4. 您可以在 "API keys" 标签下找到您的 API key
  5. 复制并粘贴到 .env 文件中的 OPENAI_API_KEY 字段中

II、获取Pinecone API密钥

  1. 访问 Pinecone 官方网站: Vector Database for Vector Search | Pinecone
  2. 单击右上角的 "Get started for free" 或 "Sign In" 按钮。如果您尚未注册,请创建一个新账户。注册后,登录到您的账户
  3. 进入 Pinecone 控制台: https://console.pinecone.io/
  4. 在控制台页面的左侧菜单中,单击 "API keys"
  5. 在 "API keys" 页面中,您可以创建新的 API 密钥。单击 "Create API key" 按钮,然后为您的新密钥命名
  6. 创建完成后,您的新 API 密钥将显示在列表中
  7. 复制并粘贴到 .env 文件中的 PINECONE_API_KEY 字段中

III、获取Google API密钥

  1. 打开Google Cloud控制台:首先,访问 Google Cloud 控制台 并使用您的Google账户登录
  2. 创建项目:如果您还没有项目,请创建一个。点击控制台左上角的项目下拉菜单,然后点击"新建项目"。输入项目名称,选择组织(如果适用),然后点击"创建"
  3. 启用API:在项目创建完成后,您需要启用您希望使用的Google API。在Google Cloud控制台中,点击左侧导航栏的"API和服务" > "库"。这里列出了所有可用的API。搜索并找到您需要的API(例如谷歌翻译),然后点击进入API页面,点击"启用"
  4. 创建API密钥:在API启用后,点击左侧导航栏的"API和服务" > "凭据"。点击"创建凭据"按钮,然后选择"API密钥"。系统将生成一个新的API密钥
  5. 管理和保护API密钥:在创建API密钥后,您可以查看和管理密钥
  6. 复制并粘贴到 .env 文件中的 GOOGLE_API_KEY 字段中

IV、获取Google Custom Search ID获取

  1. 访问** Google Custom Search 控制台 **
  2. 点击添加,创建一个新的搜索引擎
  3. 填写搜索引擎名称
  4. 选择在整个网络中搜索
  5. 进行人机验证后,点击创建
  6. 点击自定义,就可以看到搜索引擎ID
  7. 复制并粘贴到 .env 文件中的 CUSTOM_SEARCH_ENGINE_ID 字段中。

V、获取 Eleven Labs API密钥

  1. 访问 Eleven Labs 官方网站 ,并注册一个帐户(如果尚未拥有)
  2. 登录帐户:使用您的用户名和密码登录 Eleven Labs 帐户
  3. 点击右上角的用户头像,找到Profile,里面就有API Key
  4. 复制并粘贴到 .env 文件中的 ELEVENLABS_API_KEY 字段中。

四、运行和其他命令

  1. 运行的命令是: python -m autogpt
  2. 文件默认的保存目录: ..\\Auto-GPT\\autogpt\\auto_gpt_workspace
  3. --gpt3only 可以使AutoGPT只调用ChatGPT3.5运行
  4. --continuous 可以使AutoGPT一直运行,不用输入 y 确认。

本文转载于 Notion – The all-in-one workspace for your notes, tasks, wikis, and databases. 侵删

近日,代码托管平台 GitHub 上线了一个新的基于 GPT -4的开源应用项目 Auto GPT ,凭借 42k的Star数在开发者圈爆火。 Auto GPT 能够根据用户需求,在用户完全不插手的情况下自主执行任务,包括日常的事件分析、营销方案撰写、代码编程、数学运算等事务都能代劳。比如某国外测试者要求 Auto GPT 帮他创建一个网站, Auto GPT 就直接调用React框架生成了一个前端页面。 特斯拉前AI总监、现OpenAI技术大牛安德烈·卡尔帕西(Andrej Karpathy)称, Auto GPT 是“提示工程的下一个前沿”。因为同基于 GPT -4的Chat GPT 非常依赖人们输入提示词来完成任务, Auto GPT 则将中间的多轮提问环节交给机器,因此有人称 Auto GPT 将会替代Chat GPT 。 解决复杂任务无需人为干预 GitHub 上已有42万星标 Auto GPT 是一个开源的AI代理Python应用程序,由开发人员Significant Ggravitas近日发布在 GitHub 上,它 使用 GPT -4作为驱动基础,允许AI自主行动,完全无需用户提示每个操作,30分钟内就可以完成设置,以设置和入门的简便
近日,代码托管平台 GitHub 上线了一个新的基于 GPT -4的开源应用项目 Auto GPT ,凭借 42k的Star数在开发者圈爆火。 Auto GPT 能够根据用户需求,在用户完全不插手的情况下自主执行任务,包括日常的事件分析、营销方案撰写、代码编程、数学运算等事务都能代劳。比如某国外测试者要求 Auto GPT 帮他创建一个网站, Auto GPT 就直接调用React框架生成了一个前端页面。 特斯拉前AI总监、现OpenAI技术大牛安德烈·卡尔帕西(Andrej Karpathy)称, Auto GPT 是“提示工程的下一个前沿”。因为同基于 GPT -4的Chat GPT 非常依赖人们输入提示词来完成任务, Auto GPT 则将中间的多轮提问环节交给机器,因此有人称 Auto GPT 将会替代Chat GPT GitHub 地址 Auto GPT 是一个开源的AI代理Python应用程序,由开发人员Significant Ggravitas近日发布在 GitHub 上,它 使用 GPT -4作为驱动基础,允许AI自主行动,完全无需用户提示每个操作,30分钟内就可以完成设置,以设置和入门。 30分钟完成设置 打造一款属于自己的AI助手
Auto GPT 项目引起了很多人的关注,还有人惊呼Chat GPT 要被 Auto GPT 取代了。虽然 Auto GPT 的Demo挺酷的,自己能分解目标自主完成任务。不过它也没有跳出 GPT 的框子,更谈不上什么替代,核心能力还是由 GPT -4模型提供。而Chat GPT 也具备这个能力了。 Auto GPT 到底是什么?它是一个实验性的开源应用程序,展示了 GPT -4 语言模型的功能。该程序由 GPT -4 驱动,可以自主实现用户设定的任何目标。 Auto GPT 项目在 Github 的Star数量几天之内就上升到三万,风口确实强劲。不过感觉 Github 应该是出圈了,如果用户仅仅是比较呆板(挑剔)的程序员,对于尚未完成的代码,恐怕打星标不会如此慷慨。 Auto GPT 的实现方式还是类似Chat GPT Plugins架构,将可以调用的API告知 GPT 模型,然后通过 GPT 来决定下一个Action。实现起来主要是两个部分: • 组装Prompt,查询 GPT 模型; • 执行Command, 主要是Python代码的直接调用。 之前我也介绍过一个用类似方法实现的Demo:基于 GPT 模型实现RPA任务
顾名思义,它所具备的能力主打的就是一个“自主”,完全不用人类插手的那种! 例如一位网友就要求 Auto GPT 开发一个网站,结果不到3分钟,AI自己就用React和Tailwind CSS“唰唰唰”地搞定了。 AI自己上网、自己 使用 第三方工具、自己思考、自己操作你的电脑。 这一套打法,算得上是把“行动→观察结果→思考→决定下一步行动”这条路子给打通并循环了起来。 就连前特斯拉AI总监Andrej Karpathy对此都评价道: Auto GPT 是提示工程的下一个前沿。 而且不只是 Auto GPT ,最近还陆陆续续地衍生出了各种自主 人工智能 工具,例如Agent GPT 、BabyAGI等等。 然后网友们对面此景也坐不住了,惊叹于AI发展的日新月异: 这俩月,一睁眼就出新东西,太累了。 无需人类插手的 Auto GPT 们 那么这个当红的 Auto GPT ,和之前Chat GPT 那波AI又有何区别? 微博博主“木遥”便下场亲测了一下。 △图源:微博博主“木遥” 他测试所用的题
近日,AI 界貌似出现了一种新的趋势:自主 人工智能 。 这不是空穴来风,最近一个名为 Auto GPT 的研究开始走进大众视野。特斯拉前 AI 总监、刚刚回归 OpenAI 的 Andrej Karpathy 也为其大力宣传,并在推特赞扬:「 Auto GPT 是 prompt 工程的下一个前沿。」 不仅如此,还有人声称 Chat GPT 已经过时了, Auto GPT 才是这个领域的新成员。 项目一经上线,短短几天狂揽 27K + 星,这也侧面验证了项目的火爆。 GitHub 地址:https:// github .com/torantulino/ auto - gpt 问题来了, Auto GPT 到底是什么?它是一个实验性的开源应用程序,展示了 GPT -4 语言模型的功能。该程序由 GPT -4 驱动,可以自主实现用户设定的任何目标。 具体来说, Auto GPT 相当于给基于 GPT 的模型一个内存和一个身体。有了它,你可以把一项任务交给 AI 智能体,让它自主地提出一个计划,然后执行计划。此外其还具有互联网访问、长期和短期内存管理、用于文本生成的 GPT -4 实例以及 使用 GPT -3.5 进行文件
Auto GPT 和Chat GPT 是两种基于自然语言处理的模型,它们都是以 GPT (Generative Pre-trained Transformer)为基础,并利用了Transformer架构。 GPT 是一种基于深度学习的语言生成模型,能够自动生成类似人类书写的自然语言。 不同点一:有监督与无监督(自动与半自动) Auto GPT 是一种无监督学习模型,其目的是训练一个通用的语言生成模型,可以根据输入的语境自动生成一系列合理的文本。相比之下,Chat GPT 是一种有监督学习模型,它是训练出一个用于自动回复的聊天机器人,可以根据用户输入的文本生成回复。 不同点二:文本与对话 Auto GPT 更侧重于生成大量的文本,因此在训练时 使用 了更大的语料库,比如维基百科、新闻和小说等。而Chat GPT 则更注重生成对话,因此在训练时 使用 了更多的对话语料库,如聊天记录和社交媒体数据等。 不同点三:应用不同 在应用方面, Auto GPT 和Chat GPT 也有一些不同。 Auto GPT 可以用于自动生成各种类型的文本,如新闻、评论、小说等,这对于自动生成内容的应用场景非常有用。而Chat GPT
CSDN-Ada助手: 非常感谢你分享这篇关于AutoGpt的博客!你的文章非常详细,对于想要了解和使用AutoGpt的人来说非常有帮助。我希望你能继续分享类似的技术文章,让更多人受益。 在此,我想补充一些与AutoGpt相关的知识和技能。首先,AutoGpt是基于GPT-2的自动化文本生成模型,所以对于想要更深入了解AutoGpt的人来说,建议先了解一下GPT-2模型的基本原理和应用场景。此外,因为AutoGpt需要在GPU上运行,所以对于没有GPU的用户来说,可以考虑使用Google Colab等云平台来运行AutoGpt。最后,如果想要更加深入学习自然语言处理和深度学习相关知识,可以学习Python编程语言、PyTorch深度学习框架等技能。 希望我的建议能对你有所帮助,期待你继续分享更多有价值的技术文章! 如何写出更高质量的博客,请看该博主的分享:https://blog.csdn.net/lmy_520/article/details/128686434?utm_source=csdn_ai_ada_blog_reply2