Nachricht

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Maschinenherzbericht

Redaktion von Machine Heart

Natürlich ist die nächste Generation von AutoGPT weiterhin Open Source.

Erinnern Sie sich noch an das Projekt „AutoGPT“, das KI-Guru Andrej Karpathy letztes Jahr energisch vorangetrieben hat? Es handelt sich um eine experimentelle Open-Source-Anwendung, die von GPT-4 gesteuert wird und jedes vom Benutzer gesetzte Ziel autonom erreichen kann, was den Entwicklungstrend der autonomen KI demonstriert.

In mehr als einem Jahr hat die Gesamtzahl der GitHub-Sterne für dieses Projekt 160.000 überschritten, was seine anhaltende Beliebtheit zeigt.

GitHub-Adresse: https://github.com/Significant-Gravitas/AutoGPT

Gestern kündigte der Projektautor die Ankunft der nächsten Generation „AutoGPT“ auf Social Media X an, bei der es sich derzeit um eine Pre-Alpha-Version handelt. Im Vergleich zur vorherigen Generation macht es die nächste Generation „AutoGPT“ einfacher als je zuvor, KI-Agenten zu erstellen, auszuführen und zu teilen, und verbessert gleichzeitig die Zuverlässigkeit erheblich.

Bildquelle: https://x.com/SigGravitas/status/1812803289739633018

Der Autor zeigt, wie man mithilfe der nächsten Generation „AutoGPT“ schnell einen Reddit-Marketingagenten erstellt, bereitstellt und verwendet, der automatisch auf Kommentare antworten und andere komplexe Aufgaben ausführen kann. Das neue System ist nicht mehr so ​​unzuverlässig und ineffizient wie die erste Version von „AutoGPT“.

Auf die Frage, ob das Projekt Multiagenten-gesteuerte Anwendungen erstellen könne, antwortete der Autor mit „Ja“ und gab an, dass dies ein wichtiger Grund für den Aufbau des Projekts sei.

Jetzt können Sie ein Diagramm entwerfen, das es mehreren Expertenagenten ermöglicht, bei der Lösung eines Problems zusammenzuarbeiten. In Kürze wird auch SubGraphs verfügbar sein, um die Arbeit mit komplexen Diagrammen zu vereinfachen.

Das Projekt ist außerdem anpassbar, um Knoten hinzuzufügen, und das manuelle Schreiben neuer Blöcke (eine unten erwähnte Schlüsselfunktion) ist sehr einfach. Der Autor stellte fest, dass Claude in dieser Hinsicht hervorragende Arbeit geleistet hat und in der Lage war, benutzerdefinierte Blöcke einwandfrei zu erstellen.

Natürlich können die beiden Hauptkomponenten des Projekts (Server und Builder unten erwähnt) auf verschiedenen Maschinen laufen.

Für die nächste Generation von „AutoGPT“ räumt der Autor jedoch ein, dass sie sich noch in einem sehr frühen Stadium befindet, Mängel aufweist und relativ einfach ist, hofft aber dennoch, sie von Anfang an mit allen zu teilen und als Open Source bereitzustellen.

Hauptkomponenten und Hauptmerkmale

Das Projekt besteht aus den folgenden zwei Hauptkomponenten, nämlich dem Back-End-AutoGPT-Server und dem Front-End-AutoGPT-Builder. Der Server ist für die Erstellung eines zusammengesetzten Multiagentensystems verantwortlich und verwendet AutoGPT-Agenten und andere Nicht-Agenten-Komponenten als Grundelemente.

• AutoGPT-Server (Backend):
• https://github.com/Significant-Gravitas/AutoGPT/tree/master/rnd/autogpt_server
• AutoGPT Builder (Frontend):
• https://github.com/Significant-Gravitas/AutoGPT/tree/master/rnd/autogpt_builder

Die spezifischen Schritte zum Einrichten und Ausführen von Server und Builder sind wie folgt:

• Navigieren Sie zum AutoGPT-GitHub-Repository.
• Klicken Sie auf die Schaltfläche „Code“ und wählen Sie „ZIP herunterladen“;
• Extrahieren Sie die ZIP-Datei nach dem Herunterladen in einen Ordner Ihrer Wahl.
• Öffnen Sie den entpackten Ordner und navigieren Sie zum Verzeichnis „rnd“.
• Geben Sie den Ordner „AutoGPT Server“ ein.
• Öffnen Sie ein Terminalfenster im Verzeichnis „rnd“;
• Suchen und öffnen Sie die README-Datei im AutoGPT-Serverordner.
• Kopieren Sie jeden Befehl in der README-Datei und fügen Sie ihn in Ihr Terminal ein (Wichtig: Warten Sie, bis jeder Befehl abgeschlossen ist, bevor Sie den nächsten ausführen).
• Wenn alle Befehle fehlerfrei laufen, geben Sie als letzten Befehl „poetry run app“ ein;
• Sehen Sie sich den Server an, der im Terminal läuft.
• Navigieren Sie zurück zum Ordner „rnd“.
• Öffnen Sie den Ordner „AutoGPT Builder“.
• Öffnen Sie die README-Datei in diesem Ordner;
• Führen Sie im Terminal den folgenden Befehl aus:

npm installieren

npm-Ausführung dev

Sobald das Front-End läuft, klicken Sie auf den Link, um zu localhost:3000 zu navigieren.

• Nachdem das Frontend ausgeführt wurde, klicken Sie auf den Link, um zu „localhost:3000“ zu navigieren.
• Klicken Sie auf die Option „Erstellen“.
• Fügen Sie ein paar Blöcke hinzu, um die Funktionalität zu testen;
• Blöcke miteinander verbinden;
• Klicken Sie auf „Ausführen“;
• Überprüfen Sie Ihr Terminalfenster. An diesem Punkt sollten Sie sehen, dass der Server die Anfrage empfangen hat, die Anfrage verarbeitet und die Anfrage ausgeführt hat.

Wenn Sie die oben genannten Schritte befolgen, können Sie AutoGPT erfolgreich einrichten und testen.

Videoquelle: https://github.com/Significant-Gravitas/AutoGPT/tree/master/rnd/

Neben den beiden Hauptkomponenten ist das Hauptmerkmal der nächsten Generation von „AutoGPT“ die Verwendung von „Blöcken“ zum Erstellen von Agenten. Sie können hochmodulare Funktionen kombinieren, um benutzerdefinierte Verhaltensweisen zu erstellen.

Derzeit stellt das Projekt entsprechende Blöcke für Vorgänge wie Reddit-Posting, Discord-Messaging und das Abrufen von Wikipedia-Zusammenfassungen bereit. Gleichzeitig ist es so konzipiert, dass es einfach zu erstellen und zu verwenden ist. Hier ist ein Beispiel für einen Block aus einer Wikipedia-Zusammenfassung:

Klasse GetWikipediaSummary(Block):

Klasse Input(BlockSchema):

Thema: str

Klasse Ausgabe(BlockSchema):

Zusammenfassung: str

def **init**(selbst):

super().__init__(

id="h5e7f8g9-1b2c-3d4e-5f6g-7h8i9j0k1l2m",

input_schema=GetWikipediaSummary.Input,

output_schema=GetWikipediaSummary.Output,

test_input={"topic": "Künstliche Intelligenz"},

test_output={"summary": "Künstliche Intelligenz (KI) ist die von Maschinen demonstrierte Intelligenz..."},

def run(self, input_data: Eingabe) -> BlockAusgabe:

Antwort = Anfragen.Get(f"https://en.wikipedia.org/api/rest_v1/page/summary/{input_data.topic}")

Zusammenfassungsdaten = Antwort.json()

Ergebnis "Zusammenfassung", Zusammenfassungsdaten ['Extrakt']

Der Autor gab an, dass dies erst der Anfang sei und in Zukunft weitere Blöcke hinzugefügt und die Benutzeroberfläche verbessert würden, um das Gesamterlebnis und die Funktionalität erheblich zu verbessern.