共计 2181 个字符，预计需要花费 6 分钟才能阅读完成。
ChatGPT 和 LLM 技术的呈现使得这些最先进的语言模型席卷了世界，不仅是 AI 的开发人员，爱好者和一些组织也在钻研摸索集成和构建这些模型的翻新办法。各种平台如雨后春笋般涌现，集成并促成新应用程序的开发。
AutoGPT 的火爆让咱们看到越来越多的自主工作和代理利用了 GPT- 4 的 API。这些倒退不仅加强了解决集成不同零碎的简单工作的能力，而且还推动了咱们通过自主人工智能所能实现的界线。
咱们这里将整顿一些开源的相似 AutoGPT 的工具零碎，这些工具和应用程序能够大抵分为命令行接口 (CLI) 和基于浏览器的解决方案，HuggingGPT 能够同时反对这两种解决方案。
命令行:AutoGPT, BabyAGI
浏览器:AgentGPT, CAMEL, Web LLM
Auto-GPT
只管 Auto-GPT 是一个实验性的开源应用程序，然而它的增长是迅速的。该程序由 GPT- 4 驱动，能够自主实现设定的任何指标。
GitHub: https://github.com/Significant-Gravitas/Auto-GPT
看看它的 Github Star 的增长幅度能够看到最近的火爆
AgentGPT
AgentGPT 是一种基于 web 的解决方案。它容许配置和部署自治 AI 代理，并让它实现任何指标。它将尝试通过思考要做的工作、执行工作并从后果中学习来达到目标。
该平台目前处于测试阶段，正在开发以下性能:
- 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 工作驱动自治代理的精简版本
它的次要思维是基于先前工作的后果和预约义的指标来创立工作。而后，脚本应用 OpenAI 的语言模型性能来创立基于指标的新工作，Pinecone 来存储和检索上下文的工作后果，这能够说是最精简的自治 AI 架构了，如果你对这个方向有趣味，能够看看他的代码。
GitHub: https://github.com/yoheinakajima/babyagi
网站: http://babyagi.org/
HuggingGPT
微软的 HuggingGPT，又名 JARVIS，它包含一个 LLM 作为控制器和许多专家模型作为合作执行者(来自 HuggingFace Hub)。它工作流程包含四个阶段:
- 工作布局: 应用 ChatGPT 剖析申请以理解用意，并将其合成为可能的可解决工作。
- 模型抉择: 应用 ChatGPT 依据形容抉择专家模型。
- 工作执行: 调用并执行每个选定的模型，并将后果返回给 ChatGPT。
- 响应生成: 最初，应用 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，在没有服务器反对的状况下在浏览器内运行，并通过 WebGPU 减速。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，它提出了一种新鲜的代理框架，即角色扮演，作为 AutoGPT 和 AgentGPT 的代替计划。
GitHub: https://github.com/lightaime/camel
网站: http://agents.camel-ai.org/
GPTRPG
这个零碎将游戏和大语言模型联合，次要蕴含 2 个局部
一个反对 llm 的 AI 代理的简略的相似 rpg 的环境
通过 OpenAI API 将 AI 代理植入到游戏环境的角色中
这是基于最近公布的一篇论文，其中部署了多个代理来自主参加在线游戏。
GitHub: https://github.com/dzoba/gptrpg
Arxiv:https://arxiv.org/abs/2304.03442
总结
集成 ChatGPT 和 LLM 到各种应用程序中只是应用语言模型的后劲的一部分。这些模型是为了解决自然语言工作而设计的，包含文本生成、翻译、摘要、问答等等。将来的语言模型将更加先进和智能，可能在更宽泛的应用领域中提供帮忙。
例如，将来的语言模型能够用于更精确的机器翻译，使人类之间的跨文化交换更加便当。他们也能够用于主动摘要和内容生成，以帮忙作者和媒体机构更快地创立和公布内容。此外，语言模型也能够用于语音辨认和自然语言解决，以便人们可能更好地与计算机交互。
总之，随着语言模型技术的不断进步，咱们能够期待看到更多的翻新和提高。这些模型将成为人工智能畛域的核心技术，为咱们提供更好的解决方案和更宽泛的利用场景。
https://avoid.overfit.cn/post/0ae3c03243a343139471fffa4e9a75a3
作者：Tristan Wolff
