大模型学习系列（六）大模型开发工具之 AutoGTP UI

上文《大模型学习系列（五）大模型开发工具之 Dify》介绍了Dify，本文介绍下AutoGPT UI。

一、Auto GPT UI介绍

AutoGPT UI 是一个为 AutoGPT 项目开发的图形用户界面（Web UI），它极大地简化了用户与这一强大AI工具的交互过程。这一界面的推出，主要是为了克服之前仅能通过命令行界面（CLI）操作的局限性。

AutoGPT 是一个基于人工智能的开源项目，它利用了先进的语言模型，特别是GPT-4和GPT-3.5系列，来自动执行一系列复杂的任务。这个工具的设计初衷是为了简化和自动化文本生成、信息搜索、编程代码编写等过程，使得用户能够通过设定具体目标，让AI自主地完成从规划到执行的整个流程，而无需人工逐个指导每一步。

其实 AutoGPT 没有 UP 圈吹的那么厉害，实现原理很简单，只能说作者很聪明和偷巧，充分利用自动化脚本和 GPT 编写人设的能力完成了 GPT 对问题的自我迭代，同时引入了内存管理机制保存上下文方便其回顾，支持 Google 等各种外部指令方便其搜索纠错（后续有可能会支持更多语言编译和执行环境），但缺点也是非常明显的，目前 GPT4 高昂的费用，对于一个小任务，基本上就需要消耗大概 几十个步骤来完成，，如果家里没矿建议不要用它搞着玩，此外 GPT 3.5 非常容易逃逸或者陷入死循环。

二、AutoGPT UI核心功能

用户友好界面：提供清晰的步骤引导，用户可以轻松输入AI角色描述、具体目标等信息，减少了技术门槛。

目标设定与分解：用户在UI中设定目标后，AutoGPT会自动将这些目标拆解成一系列小任务，通过Web界面直观展示这一过程。

API密钥管理：用户可以在UI中安全地管理OpenAI API密钥，确保数据和访问的安全性。

任务执行与监控：用户可以启动任务，并通过UI实时监控任务执行状态，包括每个小任务的完成情况和反馈。

本地运行选项：对于需要更高效率或对数据隐私有特殊要求的用户，UI提供了下载代码到本地运行的选项，绕过HuggingFace的服务器限制

三、AutoGPT UI部署

1、新建一个docker-compose.yml文件，把如下的内容粘贴进去

version: "3.9"
services:
  auto-gpt:
    image: significantgravitas/auto-gpt
    env_file:
      - .env
    ports:
      - "8000:8000"  # remove this if you just want to run a single agent in TTY mode
    profiles: ["exclude-from-up"]
    volumes:
      - ./data:/app/data
      ## allow auto-gpt to write logs to disk
      - ./logs:/app/logs
      ## uncomment following lines if you want to make use of these files
      ## you must have them existing in the same folder as this docker-compose.yml
      #- type: bind
      #  source: ./ai_settings.yaml
      #  target: /app/ai_settings.yaml
      #- type: bind
      #  source: ./prompt_settings.yaml
      #  target: /app/prompt_settings.yaml

2、在auto-gpt目录下创建.env文件，然后填写如下内容

OPENAI_API_KEY=“你的 openai 的 key”

3、启动docker实例

docker-compose up -d

备注：

1、这里的autogpt ui我本人没有用过因为他与chatgpt绑定，目前国内的大模型比较多，而且没有涉及到墙的问题。具体的安装实践大家可以尝试下。