有了Auto-GPT，ChatGPT已沦为“传统GPT”

有了 Auto-GPT，ChatGPT 已沦为“传统 GPT”

距离ChatGPT4惊艳世界刚过没多久，号称吊打ChatGPT4的AutoGPT横空出世！特斯拉前AI总监、现OpenAI技术大牛安德烈·卡尔帕西（Andrej Karpathy）称，AutoGPT是“提示工程的下一个前沿”。Auto-GPT 突破了 AI 的可能性界限。

靠着越来越丰富的功能，4月3日这个项目成功登顶GitHub增长趋势第一名，加上更多人分享使用体验，它也就走上了破圈之路，以至于有的用户惊呼「ChatGPT已经过时了，AutoGPT才是未来」。

那么AutoGPT究竟是什么？与ChatGPT又有什么区别？下面就让我们一起来走进这个AI圈“最红炸子鸡”......

AutoGPT VS ChatGPT

AutoGPT的前身是AgentGPT。AgentGPT是一个在浏览器中运行的任务驱动型自主AI代理。自主人工智能代理，旨在在没有人工协助的情况下处理多个领域的一系列任务，它正在重新定义我们与技术的交互方式。

它通过利用先进的AI模型，如OpenAI的GPT-4语言模型来执行任务，还可以根据结果生成新任务并动态确定优先级。自然语言处理和其他人工智能技术的结合使这些代理能够在各种约束和上下文中自主运行，使它们对广泛的应用很有价值。

AutoGPT是一个实验性的开源应用程序，通过API结合了GPT-3.5和GPT-4，允许创建根据自己的提示进行迭代的项目，并审查每个迭代以改进和构建它。展示了 GPT-4 语言模型的功能，该程序由 GPT-4 驱动，可以自主实现用户设定的任何目标。

AutoGPT像是一个容器，如果GPT被称作思维，那么AutoGPT就是大脑。它给GPT的使用提供了身体。

就如果说你跟chatGPT提了一个问题，它会给你指导出解决这个问题的方法和步骤，并不会直接为你解决这个问题。

但AutoGPT不一样，他真的就是那种——甚至不再需要人类参与的，直接把你提出的要求全部执行完毕了！

例如一位网友就要求AutoGPT开发一个网站，结果不到3分钟，AI自己就用React和Tailwind CSS“唰唰唰”地搞定了。全凭自己，人类没有插手。

还有一位网友问了它这样一个问题：如果我想卖防水鞋，我应该怎么做？

首先，AutoGPT 直接去谷歌搜索，然后找防水鞋综合评估 top 5 的公司。找到相关链接之后，AutoGPT 就会为自己提出一些问题例如：「每双鞋的优缺点是什么、每款排名前 5 的防水鞋的优缺点是什么、男士排名前 5 的防水鞋」等。之后，AutoGPT 继续分析其他各类网站，并结合谷歌搜索，更新查询，直到对结果满意为止。期间，AutoGPT 甚至能够判断哪些评论可能偏向于伪造，因此它验证评论者的真实性。

执行过程中，AutoGPT 甚至衍生出自己的子智能体来执行分析网站的任务，找出解决问题的方法，所有工作完全靠自己完成，而提出问题的人只需要在一旁看着。

结果是，AutoGPT 给出了 top 5 防水鞋公司的一份非常详细的报告，报告包含各个公司的优缺点，此外还给出了一个简明扼要的结论。

全程只用了 8 分钟。期间也完全没有优化。

它能够根据用户需要带来一系列的解决方案，甚至用户不需要插手就能自主完成任务，包括写代码、营销方案、数学计算、视频剪辑、开一家公司、完成一个项目等等，你想不到的它都能做到。

AI自己上网、自己使用第三方工具、自己思考、自己操作你的电脑。这一套打法，算得上是把“行动→观察结果→思考→决定下一步行动”这条路子给打通并循环了起来。

现阶段，Auto仍有不足

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。”

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，有人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）。而且这还是一次就能出结果的情况，如果需要重新生成，成本会更高。从这个角度来看，AutoGPT目前对大部分用户和组织来说，都是不现实的。

容易陷入死循环：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。

“我昨天多次使用它，我发现…它从未完成过一项任务。它总是去深入挖掘、做更多的研究，但从来没有真正完成一个目标。我就放着让它持续循环了几个小时。”

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。