文章目录
- AutoGPT简介
- 一、安装流程
- fork项目
- 注册登录gitpod.io平台
- 开始配置
- 二、Auto-gpt的使用测试
- 1.初始化使用
- 重要参数讲解及扩展
- 正确的使用Auto-GPT演示
- 启动Auto-gpt
- 注意事项
- 总结
本文将采用超详细的步骤，即使小白也可以配置使用。
记录一下中间踩过的坑，帮助大家快速的安装，文章先介绍一下安装流程，再简单说一下使用体验。
这里为什么不使用本地配置而使用云托管
首先：需要 Git - Downloads 安装，然后down代码，这会使得电脑本就不多的内存收到影响
其次：Auto-gpt是基于Python语言的，那么如果本地有环境中本身就有python那就可能会造成冲突。
所以选择云托管，既可以使用auto-gpt，又不会影响电脑自身的环境。
通俗的说就是用别人的服务器来配置这个项目，又完全可以在你的本地使用
AutoGPT简介
Auto GPT 是一款人工智能应用程序，可以帮助用户自动化和优化业务流程，生成测试用例，调试代码，甚至还能产生新的业务创意。 Auto GPT 同时也是一个实验性的开源应用程序，展示了 GPT-4 语言模型的能力。 它旨在通过提供智能建议和洞察力来帮助企业增加其净值。 Auto GPT 是 GPT-4 自主运行的第一个示例，它推动了人工智能的可能性边界。
项目地址：添加链接描述
此时可以看到已经有122k的star了,可见这个项目备受关注。
一、安装流程
fork项目
点击项目中的fork，先把它创建到自己的账户中来。
按照图中的步骤，直接创建，这里需要注意的是取消勾选copy the master，因为master版本可能面临着不稳定，我们需要的是稳定的版本。
这里可以看到我已经创建好了
注册登录gitpod.io平台
这里为了不使用电脑本身的环境，我们将项目整个开发放在gitpod.io平台中。
如果第一次使用的话，我们需要先注册账号。（常规的注册即可，不繁琐）
完成之后，我们来创建云托管平台的项目
如图中标注，第一个输入框中我们复制自己上面创建的fork new项目的地址即可。
第二个框就是选择你熟悉的编译器，我选的是vs code完成之后直接点击new workspace
这里就可以看到的我们的项目正在创建了，这个过程大概需要2分钟.
开始配置
创建完成后我们可以看到如下的界面，这里他会自动的下载相关的依赖，所以我们只需要等待。
下载完相关的依赖之后，点击图中左下角的maste,就会弹出图中正中间的输入框，我们输入 stable 选择框下第一个不全。（这里是因为我们切换到satble稳定版本，防止出现其他类型错误，不切换也可以，直接进行下文的步骤）
接下来我们点击官方给出的配置文件 env.template,重命名为env 开始进行我们的配置。
命名完成后打开文件看到27行，
输入自己的api-key即可，如果有api-key，可以继续进行下一步，如果没用，这里我附上自己的两个方法
1.官网获取 传送门，直接去官方获取。
2.如果没用类似的经验，可以看这篇博客，其中已经详细的介绍了获取api-key的步骤。传送门获取教程
获取之后，我们把自己的api填上去。
来到我们的最后一步，在终端中输入./run.sh运行脚本，他会自动的检查我们缺少的依赖，并安装，这一步只需等待20秒。
完成后我们可以看到如下页面，那么此时我们的Autogpt已经配置成功了！
接下来我们看如何使用
二、Auto-gpt的使用测试
1.初始化使用
在实际运行前，我们先在终端输入 python -m autogpt --help
我们就可以看到如图中他是基于什么的技术，可供的选择项
重要参数讲解及扩展
这里给大家讲解几个重要的参数
-c， continuous 连续操作（可以理解为autogpt的所用操作都不需要我们来进行人工确认，如果陷入死循环，它自己可以无限的执行下去这也是一个危险的操作，也是autogpt的特色所在）
-l ,continuous-limit INTEGER 也是对上面缺点的一种预防方案，限制他执行的最大次数，防止进入死循环。当超过限定次数之后就需要来找我们人工确认是否能够再次执行
正确的使用Auto-GPT演示
启动Auto-gpt
输入以下代码启动
python - m autogpt
看到如下内容，定义一个名称
接下来输入你想让他扮演的角色来完成接下来的操作，这里我让它扮演前端开发工程师
接下来需要具体的说出你给指定的目标
我写的是
1.Draw two jujube trees in front of Lu Xun’s house（画出鲁迅家门口的两颗枣树）
2.Generate a picture and save it（保存成图片）
3.Show this image （展示这张图片）
接下来可以看到我们的前端工程师开始干活了 thinking…思考中
思考过后它来询问是否同意执行。
同意之后他继续进行，发现了一个问题，服务器中未设置图像提供程序
接下来他继续想询问google来了解generate_image,我继续下一步
在这一步看到它请求验证是否同意执行，使用“generate_image”命令使用 OpenAI API 作为图像提供者，在鲁迅家门前创建两棵枣树的图像，已经靠近目标了，这里每次执行一步比较麻烦 干脆一次让他执行五步不用询问我的同意
这里可以看到他是相当具有工匠精神，每一步的思考都像目标进行
这里要继续用python 的turtle库画我需要的枣树
最终生成成功
注意事项
添加链接描述
我们每次使用autogpt他是需要通过api-keys的，所以我们一定要注意请求的次数
刚开始申请的是送5美元，每次请求会消耗在0.03美元左右不等，如果不节制，那就可能还没有感受到它的功能就已经无法使用了。
总结
Auto-GPT本质上也是chat-gpt的延深，但不同的是使用auto-gpt需要更专业的用户吧，个人觉得如果想让auto-gpt做出一个满意的效果，那么需要给出的条件不仅仅在于多，而且在于专业。
