AutoGPT 是一个实验性的开源应用程序，它由GPT-4驱动，这与ChatGPT的底层语言模型一致。但有别于ChatGPT的是，AutoGPT 的定位是将LLM的”思想”串联起来，自主地实现你设定的任何目标。
简单的说，你只用提出一个任务，剩下的事儿就都交给 AutoGPT 了。AutoGPT 可以根据你提出的任务，自己设定行动和评估结果，如果哪步行不通，也是自己想其他办法再试试。
一个形象的比方：ChatGPT就是一个外包员工，对全局任务是不了解的。你需要把任务拆分成一个个具体的工作步骤，再交给ChatGPT完成。AutoGPT则是一个服从OKR的员工，你给它设定一个目标，它会主动写规划、尝试落地、快递迭、交付结果，其中分解任务和资源调动的工作也全都由 AutoGPT 完成。
AutoGPT 的智能方式——自主人工智能，又刷新了我们对通用人工智能（AGI）的认识。
AutoGPT 通过API利用GPT-4和GPT-3.5，通过迭代自己的提示并在每次迭代的基础上创建成熟的项目。它可以读写文件，浏览网页，审查其提示的结果，并将其与提示历史相结合。
截止至 4 月 13 日下午 18:00，Auto-GPT 在 GitHub 上已获 42k 个星。
项目地址：https://github.com/torantulino/auto-gpt
AutoGPT 3分钟建立一个网站
说的很厉害的样子，到底神不神？一位叫 @Sully 的 Twitter 用户立马上手实验了，他用 AutoGPT 建立一个网站，要求是用 React 写一个网站，背景为蓝色，并指定了页面标题和简单元素。然后，Auto-GPT 在无人类干预的情况下，用三分钟就做完了。
来对于简单的脚本，AutoGPT 自主编程不在话下。据这位网友反馈，如果给 AutoGPT 更丰富的 prompt，表现还能更好。
不过AutoGPT的开发者提醒，AutoGPT 还只是一个试验品，它在复杂的、真实世界中的商业场景对话中，表现不会太好。
AgentGPT：浏览器中直接部署
碰上一些开源项目，大家最头疼的就是部署了，弯弯绕绕，经过许多步骤才能部署到电脑上。那么想要尝鲜 AutoGPT，是不是也很麻烦？无所不能的网友，做了一个组装好的 web 版 —— AgentGPT。
项目主要贡献者之一为亚马逊软件工程师 Asim Shrestha，已在 GitHub 上获得了 6.3k 的 Stars。
AgentGPT项目主页：https://agentgpt.reworkd.ai/
GitHub 地址：https://github.com/reworkd/AgentGPT
AgentGPT 的确就像是一位 agent(智能体)，允许用户自定义AI，如命名为HustleGPT，设置目标为创立一个只有 100 美元资金的初创公司。HustleGPT 就会计划要完成的任务、执行任务并从结果中学习，试图达成目标。30 分钟构建自己的 AI 助手
根据官方给出的指南，AutoGPT 可以在 30 分钟内完成设置。不过在开始前，你需要设置 Git、安装 Python、下载 Docker 桌面、获得一个 OpenAI API 密钥。接下来，一共有以下几个步骤：
安装
-
克隆存储库
从 GitHub 中克隆 AutoGPT 存储库。
git clone https://github.com/Torantulino/Auto-GPT.git
-
导航到项目目录
cd 'Auto-GPT'
-
安装所需依赖
pip install -r requirements.txt
-
配置环境
在 Auto-GPT 文件夹中，找到 .env.template 文件并插入 OpenAI API 密钥。接着复制该文件并重命名为.env。
运行 AutoGPT
运行 Docker 桌面，不需要下载任何容器，只需保证程序处于激活状态。
在你的终端运行main.py脚本：
python scripts/main.py
AutoGPT 免费吗?
因为 AutoGPT 使用 GPT-4 的 API，所以它的运行会消耗你 OpenAI 账户里的额度。AutoGPT 的开发者也发出友情提醒：AutoGPT 运作成本相当高，你最好多盯着你的 OpenAI 账户，对 API 做些限制。但羊毛还是有一点可以薅，AutoGPT 免费版里有 18 美元的额度，可供使用。
