编辑：编辑部

这两天，Auto-GPT——一款让最强语言模型GPT-4能够自主完成任务的模型，让整个AI圈疯了。

此前爆火的ChatGPT，唯一不太好用的地方，就是需要人类来prompt。

而Auto-GPT的一大突破是，可以让AI自我提示，就是说，这个AI完全不需要咱们人类了。

短短七天时间，它就在GitHub上获得了惊人star数（已经突破5万），并吸引了无数开源社区的关注。

项目地址：https://github.com/Torantulino/Auto-GPT?ref=jina-ai-gmbh.ghost.io

Auto-GPT到底有多火，看这张网友做的对比图就知道了——仅仅几天的时间，它就追平了某个红极一时项目差不多积攒了11年的star。

让我们分解思维链中每个step的成本，假设每个动作都用尽了8000个token的上下文窗口，其中80%是提示（6,400个token），20%是结果（1,600个token）。

提示成本：6,400个token x 0.03美元/1,000个token = 0.192美元

结果成本：1,600 个代币 x 0.06 美元/1,000个token = 0.096美元

因此，每个step的成本就是：0.192美元 0.096美元 = 0.288美元

平均而言，Auto-GPT完成一项小任务需要50个step。

因此，完成单个任务的成本就是：50个step x 0.288美元/step = 14.4美元

VUEGPT THOUGHTS: Let's start by checking if there are any updates to VueJS. If there are, we can update to the latest version and proceed. Otherwise, we can move on to creating the TODO list website application.REASONING: Starting with the most updated and stable version of the framework will ensure our project has the latest features, bug fixes and is properly supported. Creating the TODO list website application is our primary goal, so we can move on to that if there are no updates.PLAN: - Check for VueJS updates- Update to latest version if there are updates- If no updates, move on to creating the TODO list website applicationCRITICISM: NoneNEXT ACTION: COMMAND = google ARGUMENTS = {'input': 'VueJS latest version update'}Enter 'y' to authorise command, 'y -N' to run N continuous commands, 'n' to exit program, or enter feedback for VueGPT...

以VueGPT为例：这是一个Auto-GPT创建的AI，旨在使用Vue JS创建网站应用程序，我们来看看它在思维链中的一个step

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，Auto-GPT目前对大部分用户和组织来说，都是不现实的。

乍一看，花14.4美元来完成一项复杂的任务，好像并无不妥。

举个例子，我们首先让Auto-GPT制作一份圣诞节食谱。然后，再找它要一份感恩节食谱的话，猜猜会发生什么？

没错，Auto-GPT会按照相同的思维链从头再做一遍，也就是说，我们需要再花14.4美元才行。

但实际上，这两个任务在「参数」的区别应该只有一个：节日。

既然我们已经花了14.4美元开发了一种创建食谱的方法，那么再用化相同的钱来调整参数，显然是不符合逻辑的。

通过拥抱面向异步编程的范式转变并促进智能体间通信，Auto-GPT可以为更高效和动态的问题解决能力开辟新可能。

将《生成式智能体》论文中引入的架构和交互模式融入其中，可以实现大型语言模型与计算、交互式智能体的融合。这种组合有可能彻底改变在AI框架内分配和执行任务的方式，并实现更为逼真的人类行为模拟。

智能体系统的开发和探索可极大地促进AI应用的发展，为复杂问题提供更强大且动态的解决方案。

总之，围绕Auto-GPT的热议引发了关于AI研究现状以及公众理解在推动新兴技术炒作中的作用的重要问题。

正如上面所展示的，Auto-GPT在推理能力方面的局限性、向量数据库的过度使用以及代理机制的早期发展阶段，揭示了它距离成为实际解决方案还有很长的路要走。

围绕Auto-GPT的炒作，提醒我们肤浅的理解可能让期望过高，最终导致对AI真正能力的扭曲认识。

话虽如此，Auto-GPT确实为AI的未来指明了一个充满希望的方向：生成式智能体系统。

最后，Han Xiao总结道：「让我们从Auto-GPT的炒作中吸取教训，培养关于AI研究的更为细致和知情的对话。」

这样，我们就可以利用生成式代理系统的变革力量，继续推动AI能力的边界，塑造一个技术真正造福人类的未来。

参考资料：

https://jina.ai/news/auto-gpt-unmasked-hype-hard-truths-production-pitfalls/