10个最受欢迎的开源Agent项目，autoGPT、metaGPT、autoGen.........
https://mp.weixin.qq.com/s/hTerOIP3dRXfHs5pwSdE5A
我把开源Agent分为3类：自动agent、半自动agent、领域、自定义sop和支持人为干预的agent。先泼个冷水，目前这些agent项目都是实验品，发展还没有做知识库问答相关开源项目那么成熟，github的社区issue也很少，遇到部署问题容易找不到解决方法，几乎没几个可以部署的
这里我以个人部署、开发的角度列出最近这1年来很火的Agents，以前是LLM火，现在最火的则是这些AI Agent。。个人不倾向于全自动的，现在一直在找一个成熟的可部署的，可人工干预的sop开源agent项目，这篇文章顺便把找的过程中看到的东西分享出来
全自动agent：autoGPT、loopGPT、babyAGI
autoGPT、loopGPT 全自动agent就是人类不可控制，生成结果的流程也无法干预、调整，规则、流程都是封闭起来的，用户能做的只是输入一个问题
AutoGPT用户能做的就是改个名字，流程完全不可控，大模型需要openai的api key，好多朋友评论说autoGPT就是个openai api的印钞机，实际生产效果并不好，更像一个玩具
autoGPT部署截图 loopGPT也是autoGPT，在以下方面做了升级：
建议大家想跑AutoGPT时，先试试LoopGPT，至少Loop还可以有自定义的prompt。建议这种全自动Agent，大家看看就行。想要好的生成效果就算了
Loop部署 babyAGI 跟camel一样，都能根据用户指令来拆解。不过camel只是把用户指令说得更清楚，而babyAGI则拆解成一个个任务，用大模型一个一个地把这些任务执行完。而不是像camel没有把任务分得那么细，让2个甚至3个智能体自动在对话中执行任务，由此看来，这两个在逻辑框架都不一样，另外，babyAGI需要向量数据库来存储，除了llm的api，还需要向量数据库的api
BabyAGI任务循环执行以下步骤:
将任务发送给执行代理, 该代理使用 OpenAI API 根据上下文完成任务； 整理结果并将其存储在 Pinecone /weaviate等向量数据库中； 基于目标和前一个任务的结果创建新任务, 并根据优先级对任务列表进行排序 在提供的google colab源代码中，主要功能模块就是task分解agent和执行agent 个人感觉camel要比babyagi好些，可以自定义的地方稍稍多点，适合不复杂、对准确性要求并不太高、发散性的应用场景，我都想部署部署camel用作标题、选题等灵感生成 半自动agent在程序调用、agent角色设定、甚至sop至少可以部分修改，不是全封闭好的 camel camel的可部署性、部署价值要比上面提到的 autoGPT、loopGPT强，社区也更成熟 特色是引入了2个机器人角色来交流对话角色扮演，用户除了设定目标，也可以设定这两个机器人的角色（具体角色除了框架已经提供的，开发人员应该也能自己进行修改，还可以自己增加角色数量） 还可以添加专门负责api工具调用的agent-----可以浏览互联网、阅读文档、创建图像、音频和视频、图像识别等内容，甚至可以直接执行代码这个就需要有开发经验，自己根据这个框架做增添，在代码里改，也可以加上向量数据库等， from camel.utils import role_playing_with_function 提供函数调用 下面的例子是用户让发明一个针对股票的交易机器人，agent在用task specifier详细分解需要的任务后，一个担任ai user也就是股票交易员，一个担任ai assistant，就是负责写程序代码的，这两个机器人之间交互 在执行中，人类也不可中间干预，两个机器人会一直沟通直到所有程序都执行完 除了openai的key，目前支持的开源大模型：vicuña系列；llama 2系列；有api服务，可以作为应用后端部署；不用向量数据库 大家部署前可以先去https://www.camel-ai.org/官网体验下，看是不是符合自己需求
下面choose the society可以选code和society，code模式下，assistant机器人的角色就是c++，python这些编程语言 user role则还是提前设定好的律师、医生、股票交易员等society模式下的角色。下面的give me a preliminary 就是我们想要这些agent做的，比如写个贪吃蛇游戏 with task specifier可勾选，选择了就会把用户的指令进行进一步拆解后再交给agent，word limit for task specifier设置task specifier生成字数的限制 目前agent流程只适用于特定领域，尤其是代码生成和编程，这两个开源项目都是让一群agent程序员来构建软件。角色已经设定： chatDev包括执行官，产品官，技术官，程序员 ，审查员，测试员，设计师 等。这些智能体形成了一个多智能体组织结构，其使命是“通过编程改变数字世界”。ChatDev内的智能体通过参加专业的功能研讨会来 协作，包括设计、编码、测试和文档编写等任务 MetaGPT输入一句话的老板需求，输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等
MetaGPT内部包括产品经理 / 架构师 / 项目经理 / 工程师，它提供了一个软件公司的全过程与精心调配的SOP 这两个都是国产的，部署、社区上更成熟些，适合有这方面AI编程需求的部署。我这边对这两个项目没什么需求 这两个项目亮眼的还是sop的引进，可以自定义sop，即使自局限于他们提供的这些角色，是对camel的一个发展 自定义agent：superAGI、autoGen、agents、swarms SuperAGI superAGI要比上面提到的哪个都成熟，目前已经有了根据superAGI开发的商用产品了，可惜就是国外的，对国产模型和应用支持不好。国产想要可自定义模型、知识库和工具，可以去看fastGPT，虽然主要是针对知识库调用的，也是有自定义模型、工具甚至sop自定义的，我个人部署过，效果要比autoGen、agents好多了 支持以下这些工具调用，包括Notion 、twitter、duckduckgo、slack、Instagram等国外主流app 接入可以从项目的config文件看出，需要相应应用的api key 除此之外基本的openai api、向量数据库api，用到replicate、huggingface的模型需要replicate、huggingface的api 在配置agent时，可以自定义知识库、工具调用、model和基本的description、name和goals。这些我在国产的fastGPT上也见过，就是工具调用没有superAGI方便 可以自己添加知识库、model和tool，虽然没有sop，但这种自定义程度已经算高了 autoGen 除了自定义模型、知识库、工具，还可以sop自定义和人为中间干预，但是目前我部署有个bug，改版本作了升级理当需要openai 1版本以上的，实际运营命令又说要低配版本，就中途暂停了 大家可以试试autoGen，玩好了能做很多有实际价值的应用 aiwaves波形智能的agents 这个复杂点，不仅可以设定自定义数量的自定义角色，还可以自己修改这些角色之间的对话关系，加入人类纠正在里面也行，很自定义的开源项目。我部署也遇到问题chatGLM3和meta的api出现422问题，目前社区也不成熟，就卡在那了，这个项目也是很有部署价值的 项目提供的代码实例就有很多个，包括类似chatDEV和metaGPT的IT机器人，也有单个的电商机器人 swarms 自定义模型、工具调用、sop停止条件、回答循环次数，像agents一样既可以只有一个agent，也可以有多个agent 综上，在列举的这10个agent中，最下面的4个自定义agent最有应用价值，autogen社区更成熟，superAGI又是国外的，aiwaves的agents和swarms又不太成熟
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报 。
