一、简介

是一个基于openAI研发的GPT4模型的一个开源应用程序，根据用户指定的目标，自动生成所需的提示，并且执行需要多个步骤才能完成的项目，整个过程不需要人类干预和指导（无监督学习），生成式预训练 Transformer模型

诞生原因

GPT4只能根据prompt来回答或者写作，如果我们只给一个模糊的提示，他就不知道该做什么了

于是诞生了autoGPT，能够自己给自己提示

根据设定好的目标和任务，自动的生成合适的提示，并且用gpt4了执行和回答这些提示，这样就能让gpt4来回答或者执行需要多个步骤来完成的任务，就不需要人类一直提示

本质

一个自主的AI代理，可以扫描互联网或者是执行用户计算机上能够执行的任何指令，然后将这个结果返回给GPT4从而判断这个结果是否正确以及接下来该做什么

二、使用流程

用户在终端输入自己的目标，描述任务名称和角色，指定最多5个要实现的目标，生成提示，执行多个步骤的任务

pinecome（向量数据库）

可以存储和检索大量的文章，帮助autoGPT记住之前做过什么以及想要做什么，将提示和结果都存储在数据库里面，并根据数据评估是否达到了这个任务的目标

三、问题拆分

1.autoGPT是如何理解人类指定的角色和目标？

零样本学习：GPT4根据一些描述或者定义学习到新的概念，再用这个概念生成新的内容

比如：你是一个科普作家，写一篇关于太空的文章（角色+目标）

AutoGPT就会学习到什么是科普作家，什么是太空，利用这些知识生成提示之后去写文章

2.AutoGPT怎么知道将人类设定的目标进行拆解成哪些子任务？

多任务学习：同时学习和执行多个任务，根据任务之间的关系来优化和协调他们

比如：写一篇关于太空的文章

AutoGPT就会将这个任务拆分成多个子任务，并且让GPT4同时学习和执行这些子任务

任务1：搜索和收集关于太空的资料

任务2：确定文章的主题和结构

任务3：生成标题和开头

任务4：生成内容和结尾

任务5：检查文章语法和逻辑

3.怎么生成提示的？

少量样本学习：让GPT4根据很少的一些例子，学习到一个新的任务或者技能，再去生成新的内容

4.怎么评估自己已经保证质量的完成了子任务？

元学习（meta learning）：让GPT4根据自己的表现和结果（反馈评价）来学习和改进自己的学习以及他的执行方法