AutoGPT

AutoGPT 是什么

AutoGPT 是一个开源的自主智能体（autonomous agent）。它建立在 OpenAI 的大型语言模型（large language model）之上，例如 GPT-4，要尝试完成的是用户用自然语言描述的目标。^[2] 这里的「智能体」指这样一类程序：人给它的是一件要达成的事，而不是一串逐条下达的指令；接下来做什么由模型自己判断，外围的软件负责把判断执行出来。

它怎么工作

它与聊天机器人的区别在于主动权在谁手里。聊天机器人需要用户不断下命令；AutoGPT 则自主工作，把主目标拆成更小的子任务，并调用网页浏览、文件管理等工具去完成它们。^[2] 工具是把模型输出的文字接到外部世界的那一环：浏览让它能查东西，文件管理让它能把产出写下来、再读回来。于是像「查清某件事再写一份摘要」这样的目标，可以不经人逐步输入而连续走完若干步。这种设计也正是它那些著名缺陷的来源。

由来

AutoGPT 于 2023 年 3 月 30 日由游戏公司 Significant Gravitas Ltd. 的创始人 Toran Bruce Richards 发布。^[2] 代码放在 GitHub 的 Significant-Gravitas/AutoGPT 仓库里，该仓库创建于 2023 年 3 月 16 日，约有 18.8 万颗星。^[1] 关于许可证，不同来源的记录并不一致：GitHub 报告为 NOASSERTION，维基百科的信息框则列为 MIT，因此 MIT 这一代码取自百科条目。^[1][2]

反响

时机很重要。GPT-4 在此前几周刚刚发布，而 AutoGPT 是最早一批让公众直接看到这种自主能力在实践中是什么样子的应用之一。^[2] 发布后它成为 GitHub 上趋势榜第一的仓库，此后也多次在 Twitter 上成为热门话题。^[2] 2023 年 10 月，项目所属公司 Significant Gravitas Ltd. 获得 1200 万美元风险投资，用于支持后续开发。^[2]

局限

已知的局限列起来很短，也很直接：无限循环、幻觉（hallucination）、因依赖自身反馈而累积错误，以及较高的运行成本。^[2] 每一条都能从结构上理解。循环发生在智能体反复重述同一步、却没有意识到自己并没有前进的时候。幻觉是语言模型那种写出自信却不真实的文字的倾向——在聊天窗口里无伤大雅，当这些文字去驱动工具时后果就不同了。错误累积来自自我反馈：如果某一步错了，而智能体又把自己上一步的输出当作下一步的依据，错误就会被叠加而不是被纠正。运行成本高，则是因为一个任务往往要调用很多次模型。

意义

AutoGPT 并不是第一个提出「软件可以自己行动」的作品，但它把大型语言模型、自我驱动的步骤循环和外部工具这三者的组合，在大模型刚刚变得足够可用的时刻展示给了大量人。它同时暴露了一组此后智能体系统一直要面对的取舍：循环的自由度越大，每一步的可靠性和成本就越要紧。