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