AutoGPT、AgentGPT、BabyAGI、HuggingGPT、CAMEL：各种基于GPT-4自治系统总结_deephub的博客

link管理

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

Auto-GPT

尽管Auto-GPT是一个实验性的开源应用程序，但是它的增长是迅速的。该程序由GPT-4驱动，可以自主实现设定的任何目标。

GitHub : https://github.com/Significant-Gravitas/Auto-GPT

看看它的Github Star的增长幅度可以看到最近的火爆

AgentGPT

AgentGPT是一种基于web的解决方案。它允许配置和部署自治AI代理，并让它完成任何目标。它将尝试通过思考要做的任务、执行任务并从结果中学习来达到目标。

该平台目前处于测试阶段，正在开发以下功能:

通过矢量DB进行长期的记忆
通过LangChain（LangChain是一个用于构建基于大型语言模型LLM的应用程序的库）进行web浏览
与网站和人的互动
用户和身份验证

GitHub : https://github.com/reworkd/AgentGPT

网站 : https://agentgpt.reworkd.ai/

BabyAGI

BabyAGI任务驱动自治代理的精简版本

它的主要思想是基于先前任务的结果和预定义的目标来创建任务。然后，脚本使用OpenAI的语言模型功能来创建基于目标的新任务，Pinecone来存储和检索上下文的任务结果，这可以说是最精简的自治AI架构了，如果你对这个方向有兴趣，可以看看他的代码。

GitHub : https://github.com/yoheinakajima/babyagi

网站 : http://babyagi.org/

HuggingGPT

微软的HuggingGPT，又名JARVIS，它包括一个LLM作为控制器和许多专家模型作为协作执行者(来自HuggingFace Hub)。它工作流程包括四个阶段:

任务规划:使用ChatGPT分析请求以了解意图，并将其分解为可能的可解决任务。
模型选择:使用ChatGPT根据描述选择专家模型。
任务执行:调用并执行每个选定的模型，并将结果返回给ChatGPT。
响应生成:最后，使用ChatGPT集成所有模型的预测并生成响应。

GitHub : https://github.com/microsoft/JARVIS

HF : https://huggingface.co/spaces/microsoft/HuggingGPT

Web LLM

Web LLM是一个基于LLM和基于LLM的聊天机器人，在没有服务器支持的情况下在浏览器内运行，并通过WebGPU加速。从技术上讲，Web LLM不是人工智能的自治解决方案，而是轻量级的网络聊天机器人。

**GitHub:**https://github.com/mlc-ai/web-llm

CAMEL

CAMEL 是 ”Communicative Agents for ‘Mind’ Exploration of Large Scale Language Models“的缩写，它提出了一种新颖的代理框架，即角色扮演，作为 AutoGPT 和 AgentGPT 的替代方案。

GitHub : https://github.com/lightaime/camel

网站 : http://agents.camel-ai.org/

GPTRPG

这个系统将游戏和大语言模型结合，主要包含2个部分

一个支持llm的AI代理的简单的类似rpg的环境

通过OpenAI API将AI代理植入到游戏环境的角色中

这是基于最近发布的一篇论文，其中部署了多个代理来自主参与在线游戏。

GitHub : https://github.com/dzoba/gptrpg

**Arxiv:**https://arxiv.org/abs/2304.03442

集成ChatGPT和LLM到各种应用程序中只是使用语言模型的潜力的一部分。这些模型是为了处理自然语言任务而设计的，包括文本生成、翻译、摘要、问答等等。未来的语言模型将更加先进和智能，能够在更广泛的应用领域中提供帮助。

例如，未来的语言模型可以用于更准确的机器翻译，使人类之间的跨文化交流更加便利。他们也可以用于自动摘要和内容生成，以帮助作者和媒体机构更快地创建和发布内容。此外，语言模型也可以用于语音识别和自然语言处理，以便人们能够更好地与计算机交互。

总之，随着语言模型技术的不断进步，我们可以期待看到更多的创新和进步。这些模型将成为人工智能领域的核心技术，为我们提供更好的解决方案和更广泛的应用场景。

https://avoid.overfit.cn/post/0ae3c03243a343139471fffa4e9a75a3

作者：Tristan Wolff

http://localhost:9005/actuator/info 查看ActiveMQ（ admin / admin ） http://localhost:8161/admin/ 查看Hawtio http://localhost:8090/hawtio/welcome Spring启动执行构建骆驼独立路由器 mvn clean install 启动Spring Boot-假设ActiveMQ正在运行 mvn spring-boot:run -Drun.argum 对话有Chat GPT 、画图有Midjourney，哪怕被封号了，国内的文心一言、通义千问也不遑多让。Chat GPT 等生成式AI工具涌现程度堪比“乱花渐欲迷人眼”。拟一份演讲稿，画一张海报，做一份PPT大纲，生成个图表，敲一段代码……即便我们吵嚷着“AI要让我们失业了”，我们还对这个新鲜的工具爱不释手。不过，当涉及到比较复杂的任务时，并不是每个人都能驾驭这个工具。同样的工具，高手，能让大模型给的作品惊为神作，而更多的人则一筹莫展。来源：专知Chat GPT / GPT -4做知识图谱构建推理怎么样？这篇论文对大型语言模型（LLMs）在知识图谱（KG）构建和推理中的作用进行了详尽的定量和定性评估。我们使用了八个不同的数据集，涵盖了实体、关系和事件提取，链接预测，和问题回答等方面。实证上，我们的发现表明， GPT -4在大多数任务中表现优于Chat GPT ，甚至在某些推理和问题回答的数据集中超过了微调模型。此外，我们的综述还扩展到了LLMs... 通过利用Chat GPT 强大的语言能力和丰富的 人工智能 模型库 Hug gin gface， Hug gin gGPT 能够在不同的模式和领域，并在语言、视觉和语言方面取得了令人印象深刻的成果，演讲和其他具有挑战性的任务，为高级学习铺平了新的道路 人工智能 。为了促使大型语言模型进行有效的任务规划， Hug gin gGPT 在其提示设计中采用了基于规范的指令和基于演示的解析。在ChatGP和专家模型的配合下， Hug gin gGPT 可以解决语言、图像、音频和视频等多种模式的任务，包含了检测、生成、分类和问题回答等多种形式的任务。 Hug gin gGPT 将语言作为通用接口、将 LLM 作为控制器，管理现有的 人工智能 模型。 Hug gin gGPT 通过 Chat GPT 管理 Hug gin gFace 上集成的数百个模型，覆盖文本分类、目标检测、语义分割、图像生成、问答、文本到语音、文本到视频等不同模态和领域的任务。 Hug gin gGPT 的工作流程：任务规划，模型选择，任务执行，响应生成。首先关于 camel 的基本概念和用法，以及 kafka 的基本概念和用法，这里就不啰嗦了。这篇文章假设你对二者都有基本的认识。 camel 本身是一个路由引擎，通过 camel 你可以定义路由规则，指定从哪里（源）接收消息，如何处理这些消息，以及发往哪里（目标）。 camel -kafka 就是 camel 的其中一个组件，它从指定的 kafka top... 类名称应以大写字母开头，推荐使用 Camel Case 风格。在这个例子中，我们定义了一个名为MyClass的类。属性是类中的变量，用于保存对象的状态。可以通过在类中声明变量来定义属性。在这个例子中，我们定义了一个名为name的属性，它的默认值为 “Python”。方法是类中的函数，用于执行特定的操作。方法必须包含至少一个参数，通常称为self，它代表类的实例。在这个例子中，我们定义了一个名为say_hello的方法，它用于打印类的实例的名称和一条简单的问候语。本文由chat gpt 生成，文章没有在。数据库表列：user_name 实体类属性：userName 在Springboot中，可以通过设置map-underscore-to- camel -case属性为true来开启驼峰功能。 application.yml中： mybatis: 该论文提出了一个名为 “角色扮演”（Role-Playing）的新型多智能体框架，使多个智能体能够进行对话并合作解决分配的任务。智能体会被分配不同的角色，并被期望应用他们的专业和知识来找到满足他们共同任务的解决方案。该框架使用启示式提示（Inception Prompt）来引导聊天智能体完成任务，同时与人类意图保持一致。角色扮演框架可以用于研究多个智能体。论文里专注于任务导向的角色扮演，涉及一个 AI 助手和一个 AI 用户。