📄️ 🟢 Agent的颠覆性影响
OpenAI联合创始人Andrej Karpathy在一个开发者活动上发表讲话，谈及了他和OpenAI对AI Agents的看法。他将过去开发 AI Agents 的困难与现在依靠新技术工具而带来的新机会进行了对比。Andrej Karpathy 认为普通人、创业者和极客在构建 AI Agents 方面相比 OpenAI 这样的公司有更多优势，因为大家都处于平等竞争的状态。他对这一领域的成果充满期待。
📄️ 🟢 Agents 组件详解
在以LLM驱动的Agent系统中，LLM扮演着Agent的大脑角色，并辅以几个关键组件：
📄️ 🟢 AutoGPT
AutoGPT 是一个由Toran Richards创建的流行开源项目。它利用GPT4作为大脑，结合langchain的链接思想，连接各种工具和互联网资源，来完成人类给予的任务。您只需要设定一个目标，AutoGPT就会自主规划并逐步执行任务。如果遇到问题，它会自主拆分任务并逐步解决。
📄️ 🟢 AgentGPT
agentgpt
📄️ 🟢 HuggingGPT
HuggingGPT是一个 Agent 框架，利用 ChatGPT 作为任务规划器，根据每个模型的描述来选择 HuggingFace 平台上可用的模型，最后根据模型的执行结果生成总结性的响应。这个项目目前已在 Github 上开源，并且有一个非常酷的名字叫做 JARVIS（钢铁侠的助手）。这项研究主要涉及到两个主体，一个是众所周知的 ChatGPT，另一个是 AI 社区中的 Hugging Face。
📄️ 🟡 MetaGPT
MetaGPT是一项引起广泛关注的研究成果，它引入了一个将人工工作流程与多智能体协作无缝集成的框架。通过将标准化操作（SOP） 程序编码为提示，MetaGPT确保解决问题时采用结构化方法，从而减少出错的可能性。
📄️ 🟢 AI-town 虚拟小镇
AI-town可能是2023年最令人鼓舞的AI代理实验之一。我们经常讨论单个LLM的突现能力，但 Agents 突现在大规模下可能会更复杂和迷人。一个AI的种群可以展现出整个文明的演化。
📄️ 🟡 API-Bank & AgentBench
模型评估是Agent学习过程中至关重要的一环。通过分析数据来评估Agent的能力，可以客观地衡量它在特定任务或领域中的表现。数据评估是不断迭代和改进的基础。通过反复评估和分析数据，Agent可以逐步改进自身，并不断优化其能力。数据评估还可以将Agent与其他Agent或标准进行比较，从而了解其在同一任务或领域中的相对能力。这有助于Agent了解自身在整个生态系统中的定位和竞争态势，明确进一步提升自身能力的目标。
📄️ 🟢 思考 Agent
OpenAI 发布了 ChatGPT 这个具有划时代意义的产品，有人说它堪比 “iphone” ，但OpenAI并不满足于此。他们希望成为 AI 时代的苹果公司。之前的 ChatGPT 插件引起了广泛关注，被称为ChatGPT的App Store时刻。然而，插件的影响力相对有限，无法与ChatGPT相提并论。相比之下，Agent 能带来更大的影响力，真正重塑现有的应用场景。它集成了LLM（大型语言模型）、记忆、规划技能和工具使用，展现了更广阔丰富的想象空间。OpenAI 现在将重点放在Agent上也就不难理解了。