一、簡介

是一個基于openAI研發的GPT4模型的一個開源應用程序，根據用戶指定的目標，自動生成所需的提示，并且執行需要多個步驟才能完成的項目，整個過程不需要人類干預和指導（無監督學習），生成式預訓練 Transformer模型

誕生原因

GPT4只能根據prompt來回答或者寫作，如果我們只給一個模糊的提示，他就不知道該做什么了

于是誕生了autoGPT，能夠自己給自己提示

根據設定好的目標和任務，自動的生成合適的提示，并且用gpt4了執行和回答這些提示，這樣就能讓gpt4來回答或者執行需要多個步驟來完成的任務，就不需要人類一直提示

本質

一個自主的AI代理，可以掃描互聯網或者是執行用戶計算機上能夠執行的任何指令，然后將這個結果返回給GPT4從而判斷這個結果是否正確以及接下來該做什么

二、使用流程

用戶在終端輸入自己的目標，描述任務名稱和角色，指定最多5個要實現的目標，生成提示，執行多個步驟的任務

pinecome（向量數據庫）

可以存儲和檢索大量的文章，幫助autoGPT記住之前做過什么以及想要做什么，將提示和結果都存儲在數據庫里面，并根據數據評估是否達到了這個任務的目標

三、問題拆分

1.autoGPT是如何理解人類指定的角色和目標？

零樣本學習：GPT4根據一些描述或者定義學習到新的概念，再用這個概念生成新的內容

比如：你是一個科普作家，寫一篇關于太空的文章（角色+目標）

AutoGPT就會學習到什么是科普作家，什么是太空，利用這些知識生成提示之后去寫文章

2.AutoGPT怎么知道將人類設定的目標進行拆解成哪些子任務？

多任務學習：同時學習和執行多個任務，根據任務之間的關系來優化和協調他們

比如：寫一篇關于太空的文章

AutoGPT就會將這個任務拆分成多個子任務，并且讓GPT4同時學習和執行這些子任務

任務1：搜索和收集關于太空的資料

任務2：確定文章的主題和結構

任務3：生成標題和開頭

任務4：生成內容和結尾

任務5：檢查文章語法和邏輯

3.怎么生成提示的？

少量樣本學習：讓GPT4根據很少的一些例子，學習到一個新的任務或者技能，再去生成新的內容

4.怎么評估自己已經保證質量的完成了子任務？

元學習（meta learning）：讓GPT4根據自己的表現和結果（反饋評價）來學習和改進自己的學習以及他的執行方法