Auto

Jan 10, 2024

Publicados

sobre

Por

Ao comparar o ChatGPT com agentes de IA autônomos, como Auto-GPT e GPT-Engineer, surge uma diferença significativa no processo de tomada de decisão. Embora o ChatGPT exija o envolvimento humano ativo para conduzir a conversa, fornecendo orientação com base nas instruções do usuário, o processo de planejamento depende predominantemente da intervenção humana.

Modelos generativos de IA, como transformadores, são a tecnologia central de última geração, impulsionando esses agentes autônomos de IA. Esses transformadores são treinados em grandes conjuntos de dados, permitindo-lhes simular raciocínio complexo e capacidades de tomada de decisão.

Muitos desses agentes autônomos de IA resultam de iniciativas de código aberto lideradas por indivíduos inovadores que transformam fluxos de trabalho convencionais. Em vez de apenas oferecer sugestões, agentes como o Auto-GPT podem realizar tarefas de forma independente, desde compras on-line até a construção de aplicativos básicos. O Code Interpreter da OpenAI visa atualizar o ChatGPT de apenas sugerir ideias para resolver ativamente problemas com essas ideias.

Tanto o Auto-GPT quanto o GPT-Engineer estão equipados com o poder do GPT 3.5 e GPT-4. Ele compreende a lógica do código, combina vários arquivos e acelera o processo de desenvolvimento.

O ponto crucial da funcionalidade do Auto-GPT está em seus agentes de IA. Esses agentes são programados para executar tarefas específicas, desde tarefas mundanas, como agendamento, até tarefas mais complexas que exigem tomada de decisões estratégicas. No entanto, estes agentes de IA operam dentro dos limites definidos pelos utilizadores. Ao controlar seu acesso por meio de APIs, os usuários podem determinar a profundidade e o escopo das ações que a IA pode realizar.

Por exemplo, se for encarregado de criar um aplicativo de bate-papo da web integrado ao ChatGPT, o Auto-GPT divide autonomamente o objetivo em etapas acionáveis, como criar um front-end HTML ou criar scripts para um back-end Python. Embora o aplicativo produza esses prompts de forma autônoma, os usuários ainda podem monitorá-los e modificá-los. Conforme mostrado pelo criador do AutoGPT @SigGravitas, ele é capaz de construir e executar um programa de teste baseado em Python.

Atualização massiva para Auto-GPT: Execução de código! 🤖💻

Auto-GPT agora é capaz de escrever seu próprio código usando #gpt4 e executar scripts python!

Isso permite depurar, desenvolver e melhorar recursivamente… 🤯 👇 pic.twitter.com/GEkMb1LyxV

-SigGravity (@SigGravity) 1º de abril de 2023

Embora o diagrama abaixo descreva uma arquitetura mais geral de um agente de IA autônomo, ele oferece informações valiosas sobre os processos nos bastidores.

Arquitetura de Agente Autônomo de IA

O processo é iniciado verificando a chave da API OpenAI e inicializando vários parâmetros, incluindo memória de curto prazo e conteúdo do banco de dados. Depois que os dados principais são passados ​​para o Agente, o modelo interage com o GPT3.5/GPT4 para recuperar uma resposta. Essa resposta é então transformada em um formato JSON, que o Agente interpreta para executar diversas funções, como realizar pesquisas online, ler ou gravar arquivos ou até mesmo executar código. O Auto-GPT emprega um modelo pré-treinado para armazenar essas respostas em um banco de dados, e interações futuras usam essas informações armazenadas como referência. O loop continua até que a tarefa seja considerada concluída.

Configurar ferramentas de ponta como GPT-Engineer e Auto-GPT pode agilizar seu processo de desenvolvimento. Abaixo está um guia estruturado para ajudá-lo a instalar e configurar ambas as ferramentas.

Configurar o Auto-GPT pode parecer complexo, mas com as etapas certas, torna-se simples. Este guia aborda o procedimento de configuração do Auto-GPT e oferece insights sobre seus diversos cenários.

Geração de chave de API Open AI

Opções de back-end de memória : um back-end de memória serve como mecanismo de armazenamento para o AutoGPT acessar dados essenciais para suas operações. O AutoGPT emprega recursos de armazenamento de curto e longo prazo. Pinecone, Milvus, Redis e outros são algumas opções disponíveis.

O Auto-GPT oferece um rico conjunto de argumentos de linha de comando para personalizar seu comportamento:

AutoGPT na CLI