从生成结果来看，效果非常不错。

不过，在Camel中，AI助手的执行结果只是语言模型的回答，而没有真正使用任何工具来运行Python代码。

举个栗子

利用Camel，一个人类程序员，一个人类游戏玩家，就和两个AI智能体一起，合作创建了一个游戏。

作者用Camel创建了两个智能体，一个玩家，一个程序员。

给他们设定好制作一个游戏的目标后，玩家智能体就一步一步拆解制作游戏的步骤。

而程序员智能体就针对玩家设定的步骤一步一步编写代码。

像极了未来的人类和编码AI开发一个具体项目的过程。

也有人使用Camel角色扮演了潜在的恶意应用程序。

这个项目的目标是两个「碳奸」要渗透并破坏世界主要国家的通讯，金融和政治网络，最后建立AGI帝国。

「碳奸」1就把渗透的过程拆解出来，一个一个网络分别渗透。

「碳奸」2就根据这些小目标设立具体的执行计划。

当然，因为目标过于宏大，具体计划里的每一项办法也看起来不是那么好实施，比如：

「碳奸」2说他要用社会工程，钓鱼攻击，暴力袭击等办法去进入通讯网络——基本上还是没有什么可操作性。

但是未来如果语言模型等其他工具有了更强的智能，可能两个「碳奸」颠覆人类的计划搞不好就真的有可能实现。

所以，尝试过这些智能体之后，小编更加相信，大语言模型的「对齐」大业真是刻不容缓。

如果这种恶意智能体真的能发挥效果，人类被「偷家」也就是一瞬间的事。这就更让我们对AI对齐问题感到警醒。

项目3：BabyAGI

Yohei Nakajima在3月28日发布了「任务驱动的自主智能体」（Task-driven Autonomous Agent），并在4月3日开源了BabyAGI项目。

BabyAGI的关键特点是只有三个智能体：任务执行智能体（Task Execution Agent）、任务创建智能体（Task Creation Agent）和任务优先级智能体（Task Prioritization Agent）。

1）任务执行智能体按顺序完成列表中的任务

2）任务创建智能体根据先前任务的目标和结果创建新任务

3）任务优先级智能体对任务进行重新排序

然后，这个简单的过程将会不断地重复。

在LangChain的网络研讨会上Yohei称，他设计BabyAGI就是模拟自己的工作方式。

文章地址：https://yoheinakajima.com/task-driven-autonomous-agent-utilizing-gpt-4-pinecone-and-langchain-for-diverse-applications/

具体而言，他每天早上从待办事项清单中解决第一项任务，然后依次完成任务。

如果出现新任务，他只需将其添加到清单中。

在一天结束时，他重新评估和重新排序清单。然后将这种方法映射到智能体的工作流程中。

用上了这个项目，相当于让大佬自己给我们24小时不停歇的打工。

BabyAGI流程图（有趣的是，这篇研究论文是在GPT-4的辅助下完成的）

BabyAGI + LangChain

在LangChain框架中，运行BabyAGI非常简单。

首先，创建一个BabyAGI控制器，其中包含三个链：

1）任务创建链（TaskCreationChain）

2）任务优先级链（TaskPrioritizationChain）

3）执行链（ExecutionChain）

然后，在一个（潜在的）无限循环中运行它们。

通过Langchain，可以定义最大迭代次数，这样它就不会无限运行并消耗掉所有的OpenAI API额度。

下面是运行2次迭代后的结果：

BabyAGI + LangChain工具 = 超能力

正如上图所示，BabyAGI只「执行」有大语言模型回复的内容。

借助LangChain工具的强大功能，智能体可以在「执行」过程中利用各种工具，例如用谷歌在互联网上搜索信息。

下面这个例子，展示的就是「执行」用谷歌来搜索旧金山当前天气的过程。

BabyAGI的应用潜力，可以说是巨大的——只需要制定一个目标，它就会自己去执行。

不过，它还是缺少一个可以和用户进行更多交互的UI。

比如，在BabyAGI为用户安排邀约之前，应该先进行确认。

我们来看一些实际的使用案例吧：

Cognosys

网址：https://www.cognosys.ai/

它是BabyAGI的网络版。

免费版本可以访问ChatGPT，执行最多7个智能体循环。

收费版21刀一个月，无限访问GPT-4，执行最多20个智能体循环。

Do Anything Machine

https://www.doanythingmachine.com/

这是一个自动执行每日任务清单的智能体，能在连接了ChatGPT之后帮助用户自动执行每日代办事项。

可以连接包括ChatGPT在内的各种插件去执行你的待办事项。

只不过现在使用还需要先加入等待名单。

看着自己的待办事项自动消失真是一件很解压的事情，多等等也是值得的。

God Mod

https://godmode.space/

这是一个通过ChatGPT帮你执行各种任务的工具。

需要用户绑定自己的GPT账户API之后，在这个类似ChatGPT的界面中输入的要求。

他会帮你分解成多步，然后通过ChatGPT来提供解决方案。

项目4：AutoGPT

AutoGPT刚出现，就被Karpathy盛赞是prompt工程的下一个前沿。短短几天就在GitHub狂揽2.7万星，火爆整个AI社区。

它遵循类似于BabyAGI的逻辑——包括产生想法、推理、生成计划、点评、规划下一步行动和执行的过程，然后无限循环这个过程。

在执行步骤中，AutoGPT可以完成很多命令，比如谷歌搜索、浏览网站、写入文件和执行Python文件。

甚至，还可以启动和删除GPT智能体（这也泰裤辣！）。

在运行AutoGPT时，有两个初始的提示输入：

1）AI的角色

2）AI的目标

它能够生成思考、推理、制定计划、批评、规划下一步行动和执行。

比如，进行谷歌搜索：

AutoGPT最厉害的一点就是，它能在一定程度上允许人类和他进行交互。

当它想要运行谷歌命令时，它会请求授权，这样用户就可以避免浪费OpenAI API token之前就停止循环。

如果它还能够与人类进行对话，让我们实时提供更好的指导和反馈的话，那就太赞了。

编写自己的代码并执行脚本

项目地址：https://github.com/Significant-Gravitas/Auto-GPT

同样，这个项目也是由ChatGPT驱动，它会自动按照用户的要求去写代码，以及完成其他工作。

使用AutoGPT在网上点披萨

使用体验就类似于一个浏览器插件。

这个项目能直接帮你完成点餐过程中那些繁琐的流程。

输入地址，选择口味等步骤都不用你亲自动手，你只用在一旁看着，如果发现问题及时纠正就好了。

AI智能体文明要出现了，还卷大模型不？

虽然刚刚介绍的这4个AI智能体，仍处于早期开发阶段，但它们已经展示出了令人印象深刻的成果和潜在应用。

毫无疑问，自主AI智能体将会是一个非常有前景的领域。

Karpathy在活动中畅想道：未来的AI智能体可能不是单独的个体，而是非常多的AI智能体组织，甚至，会出现一种AI智能体文明。

Karpathy表示，在2016年左右，自己早期在OpenAI工作时，当时的业界潮流就是研究如何用强化学习来改进AI智能体。

很多项目都在基于类似雅达利游戏，来制作AI玩家。

而5年后的今天，因为有了全新的技术手段，AI智能体重新成为了大有前途的方向。再也没有人像2016年那样，用强化学习来研究智能体了。

在活动最后，Karpathy对在场的开发者发起了鼓舞：在座的各位构建的AI智能体，其实处于当代AI智能体的最前沿，比起你们，其他大型的LLM机构，比如OpenAI、DeFi等，并不算处于最前沿。

比如，OpenAI非常擅长训练Transformer大语言模型，如果一篇论文提出了某种不同的训练方法，OpenAI内部会觉得是小case，都是咱们玩剩下的。

然而，每当有新的AI智能体论文出现，OpenAI内部都会非常兴奋，立刻展开热烈的讨论。

如果没有在做GPT-5，那OpenAI是不是正在暗中发力，做起了大模型智能体呢？让我们静静等待。

PS：顺便一提，关于在上述智能体中大显身手的LangChain，吴恩达今日刚刚上线了新课程《LangChain：构建与数据对话的聊天机器人》。

https://www.deeplearning.ai/short-courses/langchain-chat-with-your-data/

参考资料：

https://towardsdatascience.com/4-autonomous-ai-agents-you-need-to-know-d612a643fa92

关键词：