Mi informacion de contacto
Correo[email protected]
2024-07-18
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
Informe del corazón de la máquina
Departamento editorial de Machine Heart
Por supuesto, la próxima generación de AutoGPT sigue siendo de código abierto.
¿Todavía recuerdas el proyecto “AutoGPT” que el gurú de la IA, Andrej Karpathy, promovió vigorosamente el año pasado? Es una aplicación experimental de código abierto impulsada por GPT-4 que puede lograr de forma autónoma cualquier objetivo establecido por el usuario, lo que demuestra la tendencia de desarrollo de la IA autónoma.
En más de un año, el número total de estrellas de GitHub para este proyecto superó las 160.000, lo que demuestra su continua popularidad.
Dirección de GitHub: https://github.com/Significant-Gravitas/AutoGPT
Ayer, el autor del proyecto anunció la llegada a las redes sociales X de la próxima generación "AutoGPT", que actualmente es una versión Pre-alfa. En comparación con la generación anterior, la próxima generación "AutoGPT" hace que sea más fácil que nunca crear, ejecutar y compartir agentes de IA, al tiempo que mejora enormemente la confiabilidad.
Fuente de la imagen: https://x.com/SigGravitas/status/1812803289739633018
El autor muestra cómo utilizar el "AutoGPT" de próxima generación para crear, implementar y utilizar rápidamente un agente de marketing de Reddit que puede responder automáticamente a los comentarios y realizar otras tareas complejas. El nuevo sistema ya no es tan poco fiable e ineficaz como la primera versión de "AutoGPT".
Cuando se le preguntó si el proyecto podría crear aplicaciones impulsadas por múltiples agentes, el autor respondió afirmativamente y afirmó que esta era una razón importante para construir el proyecto.
Ahora puedes diseñar un diagrama que permita que varios agentes expertos colaboren para resolver un problema. SubGraphs también estará disponible próximamente para ayudar a simplificar el trabajo con gráficos complejos.
El proyecto también se puede personalizar para agregar nodos y escribir nuevos bloques a mano (una característica clave que se menciona a continuación) es muy simple. El autor descubrió que Claude hizo un excelente trabajo en este sentido y pudo crear bloques personalizados sin problemas.
Por supuesto, los dos componentes principales del proyecto (Server y Builder mencionados a continuación) pueden ejecutarse en diferentes máquinas.
Sin embargo, para la próxima generación de "AutoGPT", el autor admite que todavía se encuentra en una etapa muy temprana, tiene fallas y es relativamente básico, pero aún espera compartirlo con todos y abrirlo desde el principio.
Componentes principales y características clave.
El proyecto tiene los siguientes dos componentes principales, a saber, el servidor AutoGPT de back-end y el AutoGPT Builder de front-end. El servidor es responsable de crear un sistema compuesto de múltiples agentes, utilizando agentes AutoGPT y otros componentes que no son agentes como primitivos.
Los pasos específicos para configurar y ejecutar Server and Builder son los siguientes:
Instalación de npm
npm ejecuta dev
Una vez que el front-end se esté ejecutando, haga clic en el enlace para navegar a localhost:3000.
Si sigue los pasos anteriores, podrá configurar y probar AutoGPT con éxito.
Fuente del vídeo: https://github.com/Significant-Gravitas/AutoGPT/tree/master/rnd/
Además de los dos componentes principales, la característica clave de la próxima generación de "AutoGPT" es el uso de "Bloques" para crear agentes. Puede combinar funciones altamente modulares para crear comportamientos personalizados.
Actualmente, el proyecto ha proporcionado bloques correspondientes para operaciones como publicaciones en Reddit, mensajes de Discord y recuperación de resúmenes de Wikipedia. Al mismo tiempo, está diseñado para que sea fácil de crear y utilizar. Aquí hay un ejemplo de un bloque tomado de un resumen de Wikipedia:
clase GetWikipediaSummary(Bloque):
clase Entrada(BlockSchema):
tema: str
clase Salida(BlockSchema):
resumen: str
definición **init**(yo):
super().__init__(
identificación="h5e7f8g9-1b2c-3d4e-5f6g-7h8i9j0k1l2m",
input_schema=ObtenerWikipediaSummary.Entrada,
esquema_de_salida=GetWikipediaSummary.Salida,
test_input={"tema": "Inteligencia artificial"},
test_output={"summary": "La inteligencia artificial (IA) es la inteligencia demostrada por las máquinas..."},
def run(self, input_data: Entrada) -> BloquearSalida:
respuesta = solicitudes.obtener(f"https://en.wikipedia.org/api/rest_v1/page/summary/{input_data.topic}")
resumen_datos = respuesta.json()
rendimiento "resumen", resumen_datos['extracto']
El autor afirmó que esto es solo el comienzo y que se agregarán más bloques en el futuro y se mejorará la interfaz de usuario para mejorar en gran medida la experiencia y la funcionalidad generales.