刚上线两周就收获50k+ Star，看来 Auto-GPT 是真的火了!

（项目地址:https://github.com/Torantulino/Auto-GPT?ref=jina-ai-gmbh.ghost.io）

(资料图片)

Auto-GPT，顾名思义，其独到之处就在于 “Auto” ——可“自主”实现你设定的任何目标，即 Auto-GPT 会自己上网查资料、自己思考解决方案、自己运用相关工具……而你要做的，就是在屏幕前静静旁观这一切的发生。

面对这样一个无需人类插手、便能自主完成任务的 Auto-GPT，难怪不少网友的第一反应就是“摆烂”:

有了Auto-GPT，ChatGPT 已沦为“传统 GPT”

根据官方介绍，Auto-GPT 本质上是一个基于 GPT-4语言模型所构建的实验性开源应用程序，由 GPT-4驱动，将大型语言模型 （LLM） 思想串在一起来自主实现任务。

如果说 ChatGPT 的出现让人相信未来 AI 的重要性，Auto-GPT 则将这个想法进一步升华:未来，由自主 AI 驱动的任务将成为常态。因 Auto-GPT 提出的这个可能，导致 ChatGPT 问世不到半年就已沦为许多人口中的“传统 GPT”。

为了验证这种未来的可能性，最近已有不少人下场体验过 Auto-GPT，其中包括微博博主@木遥:“如果你刚开始玩 Auto-GPT 但又没玩明白，你就会焦虑 af，像我一样。”

本来，木遥只是想让 Auto-GPT 解释一下 LangChain（一个围绕大型语言模型的应用开发框架）的用法，结果 Auto-GPT 直接来了一整套操作(这一系列步骤都是它自己串起来的，无需人类介入)，连 LangChain 都安装了:

▶首先试着直接去 LangChain 官网爬信息。

▶被官网拒绝了，可能因为有屏蔽。

▶发现失败了之后想了想，说要不 Google 一下?

▶Google 出了很多结果。

▶读了半天这些结果，说「现在我们已经搜集了不少有用的信息了，接下来让我们安装它玩一下」

▶然后就开始动手在我的电脑上安装 LangChain……

面对行动力如此“爆表” Auto-GPT，木遥忍不住感慨:“我坐在屏幕前看着这一切自动在我眼前发生，心想，我要是有它这个行动力，三个 PhD 都念完了。”

除此之外，Globus 创始人安替（Michael Anti）也分享了一个不错的 Auto-GPT 使用案例:“假设你是华为的公关，分析最近国际报道，看看下一步要改善的动作。”

对于 Auto-GPT 的表现，安替（Michael Anti）评价道:“奇点算是到了吧，又有很多行业要死了吧?”

整体来看，Auto-GPT 就像是一个机器人助理，你只需下达任务，它便会自己看着完成。但 Auto-GPT 真就完美无缺、无懈可击吗?

事实证明，至少现阶段还远远不是——Jina AI 的创始人兼 CEO 肖涵表示:“在我们庆祝 Auto-GPT 的快速崛起时，退后一步并仔细检查其潜在的缺点至关重要。”

现阶段，Auto-GPT 仍有缺陷

为说明目前 Auto-GPT 的不足之处，肖涵先大致分析了一波原理，即 Auto-GP编程客栈T 主要由四部分组成:[page]

（1）架构:Auto-GPT 是使用强大的 GPT-4和 GPT-3.5语言模型构建的，它们作为机器人的大脑，帮助它思考和推理。

（2）自主迭代:类似于机器人从错误中学习的能力。Auto-GPT 可以回顾其工作，在之前的工作基础上再接再厉，并利用其历史记录生成更准确的结果。

（3）内存管理:与矢量数据库(一种内存存储解决方案)集成，使 Auto-GPT 能够保留上下文并做出更好的决策，类似于为机器人配备长期记忆以记住过去的经历。

（4）多功能性:Auto-GPT 的功能(例如文件操作、Web 浏览和数据检索)使其用途广泛，并使其与有别于以往的 AI 迭代，就像赋予机器人多种技能来处理更广泛的任务。

基于其组成原理，肖涵指出现阶段 Auto-GPT 面临的五个重要局限:

▶成本高昂

虽然 Auto-GPT 具有卓越的功能，但由于任务是通过思维链完成的，为提供更好的推理和提示，每一步都需要调用昂贵的 GPT-4模型，这通常会最大化 token，也就带来了过高的成本。

对此，肖涵估算了一个小任务的花费:Auto-GPT 平均需要50个步骤来完成一个小任务，即成本为50*0.288=14.4美元（约人民币98.5元）。

▶不知变通

可能会有人觉得只要 Auto-GPT 能完成任务，这14.4美元倒也不亏。但问题是，这14.4美元是一次性的:哪怕你只想修改一个很小的任务条件，也需要再次支付14.4美元。

肖涵指出:“一旦生成过解决方案，再次花费相同的金额来调整参数似乎不合逻辑。这揭示了 Auto-GPT 的一个基本问题:它无法将开发和生产区分开来。”

▶容易陷入死循环

更要命的是，这14.4美元还可能“打水漂”。许多用户报告说:Auto-GPT 经常陷入循环，导致其无法解决实际问题。

▶矫枉过正

Auto-GPT 依靠矢量数据库来进行更快的 K 最近邻（KNN）搜索，但肖涵表示这是一种矫枉过正的做法:“很多情况下，穷举搜索就足够有效了，只需不到一秒钟即可完成。相比之下，每个 GPT-4调用大约需要10秒来处理，这使得系统受 GPT 约束而不是数据库约束。”同时，这也会带来成本的增加。

▶代理机制不完善

Auto-GPT 引入了一个很有趣的概念，即允许生成代理来委派任务。然而，肖涵认为这还不够完善:“这一机制仍处于早期阶段，其潜力在很大程度上仍未得到开发。”

“又贵又慢，AI 摸鱼?”

对于以上总结的几点 Auto-GPT 缺陷，实际上早有不少用户在编程抱怨，还搞出了一些“闹剧”:

同时，Auto-GPT 的处理速度也引来吐槽，有点“AI 摸鱼”的意思:

不过即便如此，Auto-GPT 还是令许多人对未来 AI 的发展趋势充满期待:

▶ “想象一下，你手里有一个 AI 代理，可以随时随地执行命令。我相信未来才刚刚开始!”

▶“这种自我改进的 AI 代表了真正 AGI 的第一个火花。”[page]

▶“Auto-GPT 的确揭露了使用 GPT 的正确姿势。”

那么，你对于 Auto-GPT 又有什么看法呢?

参考链接:

https://weibo.com/1644684112/MBK3WCt8o

https://jina.ai/news/auto-gpt-unmasked-hype-hard-truths-production-pitfalls/

https://twitt编程客栈er.com/mranti/status/1646430121904013312?cxt=HHwWgIC8uaDepdktAAAA