Play ChatGPT: Implementación y evaluación de proyectos Auto-GPT

1. Introducción a Auto-GPT

Recientemente, el modelo de lenguaje a gran escala representado por ChatGPT se ha vuelto popular y varios proyectos de desarrollo secundarios están surgiendo en un flujo interminable.

Esta semana, Auto-ChatGPT explota en el círculo de IA y tiene 61.4K Me gusta en GitHub.

Dirección del proyecto: https://github.com/Torantulino/Auto-GPT

Presentado en las palabras originales del proyecto: " Auto-GPT es una aplicación experimental de código abierto que demuestra las capacidades del modelo de lenguaje GPT-4. Este programa funciona con GPT-4 para desarrollar y administrar negocios de manera autónoma para aumentar el valor neto. Como uno de los primeros ejemplos de GPT-4 que funciona de forma totalmente autónoma, Auto-GPT amplía los límites de lo que es posible en la IA " .

Little Chat es nuestra mano derecha, pero al usarlo para completar tareas, necesitamos usar "hechizos" para despertar su poder mágico. Si el "hechizo" que ingresaste no es lo suficientemente adecuado, Chat se resistirá y solo podrás continuar buscando un "hechizo" adecuado hasta que Chat esté de buen humor. Pero si logras lanzar el "hechizo" correcto, Little Chat estará contigo y felizmente responderá a tus preguntas. A continuación, solo necesita seguir usando el "hechizo" para hacerle preguntas hasta que complete la tarea. Este proceso se llama "human-in-the-loop". ¿ Estás familiarizado con él? Este concepto es lo que MOSS le dijo a Tu Hengyu en el easter egg de "The Wandering Earth 2": " Balabala es el aprendizaje del humano-en- the-loop basado en la conciencia de Yaya" .

Luego, como una inteligencia artificial general madura (AGI), TA debe aprender a hacer un pensamiento iterativo por sí mismo, para lograr el objetivo final. Por ejemplo, si su instructor le pregunta: "¿Cuál es la función de la proteína Mp1p?", como un perro de investigación maduro, lo más probable es que vaya a Baidu, Google y Pubmed para encontrar literatura relevante y luego encuentre una. dos tres.

Y esto es lo que quiere hacer el proyecto Auto-GPT: permitir que la inteligencia artificial complete tareas a través del pensamiento auto iterativo como los humanos. Por lo tanto tiene las siguientes propiedades:

(1) Acceso a Internet: debe poder navegar por Internet y poder obtener diversos conocimientos a través de la búsqueda y recopilación de información.

(2) Gestión de la memoria a corto y largo plazo: debe tener una buena memoria, poder almacenar información importante durante mucho tiempo y, al mismo tiempo, poder acceder rápidamente a la memoria a corto plazo para facilitar el procesamiento oportuno de tareas.

(3) Generación de texto GPT-4: también debe tener un bolígrafo para escribir y poder usar GPT-4 para generar textos de alta calidad, como artículos y correos electrónicos.

(4) Visite sitios web y plataformas populares: para conocer los últimos eventos actuales y temas candentes como los humanos, debe saber qué sitios web y plataformas populares visitar.

(5) Gestión de archivos GPT-3.5: finalmente, debe poder organizar archivos. Al igual que GPT-3.5, puede almacenar y administrar archivos de manera eficiente.

2. Implementación automática de GPT

Primero explique los requisitos previos para la implementación:

  1. red fluida;
  2. Hay una pequeña cuenta Chart (porque se usa la clave API de OpenAI), no se requiere una cuenta PLUS;
  3. Instale Python 3.8 o superior (el mío se basa en el entorno de Anaconda).

Todo lo anterior es indispensable.

Elementos opcionales:

  1. Clave API de PINECONE (función de memoria);
  2. GOOGLE_API_KEY y CUSTOM_SEARCH_ENGINE_ID (conectar al motor de Google);

El primer paso es descargar el proyecto.

(a) Esto es simple, solo vaya al sitio web del proyecto para descargar: "Código" - "Descargar ZIP" ;

(b) Descomprimir en una ruta, preferiblemente en inglés, por ejemplo, la mía es: E:\Auto-GPT\Auto-GPT-master-0415;

El segundo paso es instalar la biblioteca de dependencias de Python.

(a) Las bibliotecas dependientes requeridas por el proyecto están todas en esta carpeta llamada "requirements.txt" . Ábrela y verás que hay 26 en total ;

(b) Recuerde instalar primero Anaconda, abrir Anaconda Prompt (anaconda) e ingresar el código:

conda create -n gptac_venv python=3.9 #生成一个名为gptac_venv的环境,我的python版本是3.9

Nota: Aquí se usa la imagen anterior, los mismos pasos que antes.

Elija y aquí;

Esto significa que la instalación se ha realizado correctamente.

(c) Ingrese al entorno recién creado e ingrese el código:

conda activate gptac_venv

Nota: Aquí se usa la imagen anterior, los mismos pasos que antes.

Se puede ver que la base en los corchetes frontales se ha convertido en gptac_venv , lo que significa cambiar del entorno básico ( base ) al nuevo entorno que acabamos de crear ( gptac_venv ), y luego instalar la biblioteca dependiente en este nuevo entorno.

(d) Para instalar la biblioteca dependiente, primero cambie la ruta a la ruta del proyecto previamente guardado: E:\Auto-GPT\Auto-GPT-master-0415, la operación es:

输入“e:”——回车,进入到E盘——输入“cd E:\Auto-GPT\Auto-GPT-master-0415”——回车,搞定;

Nota: instalé el entorno autogpt como jet_gpt. La razón por la que lo anterior es gptac_venv es porque soy perezoso y uso la imagen anterior.

Luego ingrese el código:

python -m pip install -r requirements.txt

Presiona Enter para iniciar la instalación.

Hay muchas cosas que hay que instalar, experiencia personal: está relacionado con la velocidad de la red, soy un mago.

Si la instalación es exitosa, no habrá ningún error en todo el texto en blanco. Si hay un error informado en letras rojas, que los Ocho Inmortales crucen el mar para mostrar sus poderes mágicos.

El tercer paso es configurar OPENAI_API_KEY

(a) Garantizar una red fluida (lo más importante);

(b) Genere la clave API de OpenAI, ingrese la URL e inicie sesión en la cuenta:

https://platform.openai.com/account/api-keys https://platform.openai.com/account/api-keys

Haga clic en "Crear nueva clave secreta" - una ventana emergente - copie su clave.

(c) Busque el archivo .env.template en el archivo del proyecto, cámbiele el nombre a archivo .env y abra el archivo del proyecto con el Bloc de notas, complete su CLAVE API:

Nota: La API aquí no requiere comillas dobles: "".

El cuarto paso es configurar PINECONE_API_KEY

(a) Garantizar una red fluida (lo más importante);

(b) Genere la clave API de Pinecone, ingrese la URL, regístrese e inicie sesión en la cuenta:

Base de datos de vectores para la búsqueda de vectores | Pinecone La base de datos de vectores #1. Busque entre miles de millones de elementos para encontrar coincidencias similares a cualquier objeto, en milisegundos. Es la próxima generación de búsqueda, una llamada API de distancia. https://login.pinecone.io/

Haga clic en "Clave API" - una ventana emergente;

 Copie su PINECONE_API_KEY (Valor) y PINECONE_ENV (Entorno);

Complete el archivo .env respectivamente:

El cuarto paso es configurar el buscador de GOOGLE

Hay dos cosas principales para completar aquí: GOOGLE_API_KEY y CUSTOM_SEARCH_ENGINE_ID.

(a) Garantizar una red fluida (lo más importante);

(b) Genere la clave API de Google, ingrese la URL, regístrese e inicie sesión en la cuenta:

https://console.cloud.google.com/welcome?project=high-unity-383319&pli=1 https://console.cloud.google.com/welcome?project=high-unity-383319&pli=1

(c) Cree un último proyecto no organizado:

 (d) Ingrese la API de búsqueda personalizada , luego seleccione Administración > Credenciales > Crear credenciales > Clave API

 

 (e) Esta es GOOGLE_API_KEY ; luego mire la ID de USTOM_SEARCH_ENGINE_ID:

(a) Asegúrese de que la red sea fluida (lo más importante);
(b) se genera CUSTOM_SEARCH_ENGINE_ID, ingrese la URL:

https://programmablesearchengine.google.com/about/ https://programmablesearchengine.google.com/about/

(c) Genere CUSTOM_SEARCH_ENGINE_ID, ingrese la URL:

(d) Copie CUSTOM_SEARCH_ENGINE_ID.

 Finalmente, abra el archivo .env e ingrese GOOGLE_API_KEY y CUSTOM_SEARCH_ENGINE_ID: 

El quinto paso es ejecutar el programa.

O abra el indicador de Anaconda (anaconda) ahora mismo, cambie al entorno recién creado y la ruta del proyecto: ingrese el código:

python -m autogpt --gpt3only

¡Ingresar!

 Si aparece la palabra verde bienvenido de nuevo, ¡significa éxito!

Uso simple: asigne un nombre a la IA> configure la tarea> configure el objetivo de la tarea (hasta 5)> ejecute el programa> comando AutoGPT con y, n y otros comandos en cada paso.

3. Evaluación automática de GPT

(1) Establecer metas

Nombre: JET-GPT

Función: micólogo especializado en infecciones fúngicas diseminadas

Objetivos: Presentar el progreso de la investigación de la proteína fúngica Mp1p

En pocas palabras, es para ayudarme a presentar brevemente el progreso de la investigación de la proteína fúngica Mp1p. Como lo he ejecutado antes, aquí llama automáticamente al último programa, solo ingrese y para continuar ejecutando:

(2) Proceso de pensamiento procedimental:

 Muéstralo con Google Translate:

TA dividirá la tarea por sí mismo, primero, ¡vaya a la búsqueda de Google! !

Ingresamos y y dejamos que TA avance al siguiente paso:

 TA fue a la literatura y analizó:

Lea algo de información: 

 Luego, el propio TA analiza que este método no es bueno: "Como tengo una memoria a corto plazo limitada, lanzar un agente GPT entrenado en resumen de texto reducirá mi carga de trabajo y me ahorrará tiempo", y luego cómo resolver: "Debería lanzar un Agente GPT para ayudarme a generar un resumen de la información que recopilé del sitio web sobre la proteína Mp1p. Para hacer esto, puedo usar el comando "start_agent".

 Después de ejecutarlo de nuevo, se dan algunos resúmenes:

No parece correcto, pruébalo para continuar con la autorreflexión: TA parece pensar que quiero ver el Mp1p de hongos:

Luego continuó buscando documentos en Internet y descubrió que no podía leer la información de los documentos: "La longitud máxima de contexto de este modelo es 4097 tokens" , que no puede ser limitada por GPT3.5. Entonces la información sólo puede ser extraída del conocimiento conocido de la AT, que puede estar compilado actualmente.

Hasta ahora, dejé que TA se detuviera.

Resumen: aunque el resultado no es el ideal, el proceso es realmente impresionante. Después de todo, está en sus inicios y solo puedo usar GPT3.5. Todavía hay mucho margen de mejora en el futuro.

Cuatro, algunos puntos de atención.

(1) Sobre no poder conectarse a Internet

Se dice que necesita cambiar este 8000 a 4000 en el archivo .env. Rumores de ríos y lagos, como referencia.

 (2) Tarifas por clave API

Se dice que hay una tarifa por llamar a OpenAI Key y un nuevo registro de cuenta, se regalarán al menos 5 dólares y desaparecerán cuando se agoten.

Corrí esta vez y el costo es el siguiente: el total es de 0,13 dólares estadounidenses, que es casi 1 yuan, y el costo sigue siendo muy alto.

¡Así que juguemos y juguemos, tenga en cuenta que este es un proceso de quemar dinero!

Supongo que te gusta

Origin blog.csdn.net/qq_30452897/article/details/130172611
Recomendado
Clasificación