SmartGPT 是一个实验性程序,旨在为 LLM(特别是 GPT-3.5 和 GPT-4)提供无需用户输入即可完成复杂任务的能力,方法是将它们分解为较小的问题,并使用互联网和其他外部资源收集信息。
如果你有兴趣了解 SmartGPT 的进展或与我联系,你可以通过 Octagon discord 与我联系,这是一个讨论和新闻的大型语言模型和邻近技术的中心。
https://github.com/Cormanz/smartgpt/assets/32941017/53bdcf83-4b2e-4798-b3f2-1a233b43c0e1
有许多现有的解决方案允许LLM执行更复杂的任务,例如Auto-GPT和BabyAGI。那么,为什么选择SmartGPT?
模块化:凭借一流的插件支持和为你的项目所需的任何内容编写 Autos 的能力,SmartGPT 具有令人难以置信的模块化。
灵活性: SmartGPT 有一个自动生成的文件,你可以在其中配置所有内容。
config.yml
计划和推理: SmartGPT 具有先进的经理和员工分层系统,可以递归分解你的任务。
配置:SmartGPT 非常简单,只需为用户和开发人员使用一个简单的文件即可轻松配置。
config.yml
但是,有两个主要缺点。
生态系统:由于其受欢迎程度,AutoGPT 是一个非常精致和精致的工具。它有更多的命令和与内存系统的集成。为此,代码库已经过严格的审查,因此它通常比 SmartGPT 的错误更少,测试更多。
内存管理:由于这个项目非常年轻,只有一个简单但有限的内存系统。但是,这将随着时间的推移而改变。
SmartGPT是一个令人难以置信的实验性应用程序。目标是释放LLM的最大潜力,为此牺牲了稳定性。向后兼容性在这里是一个狂热的梦想。然而,SmartGPT 目前也在 AutoGPT 领域拥有一些最具创新性的想法和实验,尽管大多数都不成功,但有一些击中了 dart 板和棍子。
安装 cargo
,最好是最新的稳定版本。
克隆存储库。
git clone https://github.com/Cormanz/smartgpt.git && cd smartgpt
使用 在发布模式下运行它。这将为你创建一个。
cargo run --release
config.yml
根据自己的喜好调整配置,然后再次执行。
如果需要更多信息,请阅读文档。
Auto是 SmartGPT 的构建块。有两种类型的汽车。
助手具有很强的实验性,因此我们推荐跑步者。
汽车有代理。代理是处理计划、推理和任务执行的 LLM。自动从你的高级经理开始,并要求它运行任务。然后,该经理会将任务一直委派给你的员工,员工将运行任务。
经理是一种计划和推理的代理人。他们将获得一项任务,并将该任务规划为子任务。然后,一次一个子任务,他们会将其委托给他们的员工(较低级别的经理或运行任务的员工)。
员工是层次结构中最低的代理。他们被赋予一个任务,他们一次执行一个命令。它们很像AutoGPT的核心应用程序,但它们有一个更紧凑的思维循环。
代理都有内存。完成任务后,代理会将所有观察结果的列表保存到长期记忆中。一旦它开始另一个任务,它将提取与该任务相关的所有长期记忆(为此使用 VectorDB)。
汽车可以使用一组工具,例如 、 等。你可以使用插件定义这些。插件定义自己的命令集,并且可以拥有自己的数据。
google_search
browse_url
smartgpt在 MIT 许可证下可用。有关完整的许可证文本,请参阅许可证。