文章目录
前言
AI智能体架构于 2023 年 3 月诞生，但直到几个月后才在开源社区中扎根。智能体领域可能仍然看起来像是一种“疯狂科学家”式的实验，但已经有一些非常强大的模型可以尝试，本文介绍其中最流行的11个开源AI Agent框架。
NSDT工具推荐：Three.js AI纹理开发包
1、AutoGPT
AutoGPT 由视频游戏公司 Significant Gravitas Ltd. 的创始人 Toran Bruce Richards 开发，是继 Nakajima 的论文之后于 2023 年 3 月推出的早期代理之一。它也是当今 GitHub 上最受欢迎的代理 repo。
AutoGPT 背后的想法很简单——它是一个完整的工具包，用于为各种项目构建和运行自定义 AI 代理。该工具使用 OpenAI 的 GPT-4 和 GPT-3.5 大型语言模型 (LLM)，允许你为各种个人和商业项目构建代理。
2、BabyAGI
BabyAGI 是 Nakajima 的任务驱动型自主智能体的精简版。Python 脚本只有 140 个字的代码，根据官方 GitHub 存储库，“使用 OpenAI 和 Chroma 或 Weaviate 等矢量数据库来创建、确定优先级和执行任务。”
自推出以来，BabyAGI 已分支出几个有趣的项目。其中一些项目（如 twitter-agent 或 Slack 上的 BabyAGI）将智能体的强大功能带到了现有平台。其他项目则添加了插件和附加功能，或将 BabyAGI 移植到其他语言（例如 babyagi-perl）。
BabyAGI 智能体循环
3、SuperAGI
SuperAGI 是 AutoGPT 更灵活、更用户友好的替代方案。你可以将其视为开源 AI 智能体的启动板，它提供了构建、维护和运行自己的代理所需的一切。它还包括插件和云版本，您可以在其中进行测试。
该框架具有多个 AI 模型、图形用户界面、与矢量数据库的集成（用于存储/检索数据）和性能洞察。还有一个带有工具包的市场，可让你将其连接到流行的应用和服务，例如 Google Analytics。
4、ShortGPT
在生成内容方面，AI 模型的表现非常出色。但直到最近，视频格式仍然在很大程度上得不到充分支持。ShortGPT 是一个框架，它允许你使用大型语言模型来简化视频创建、语音合成和编辑等复杂任务。
ShortGPT 可以处理大多数典型的视频相关任务，例如编写视频脚本、生成画外音、选择背景音乐、编写标题和描述，甚至编辑视频。无论使用哪个平台，该工具都适用于短视频内容和长视频内容。
5、ChatDev
CoPilot、Bard、ChatGPT 和许多其他软件都是功能强大的编码助手。但 ChatDev 等项目可能很快就会让它们一败涂地。ChatDev 被称为“虚拟软件公司”，它使用的智能体不止一个，而是多个，在传统的开发组织中扮演不同的角色。
这些智能体（每个代理都分配了一个独特的角色）可以协作处理各种任务，从设计软件到编写代码和文档。雄心勃勃？没错。ChatDev 仍然更像是智能体交互的试验台，但如果你自己是一名开发人员，它值得一试。
6、AutoGen
在向 OpenAI 投入 130 亿美元并使 Bing 变得更加智能之后，微软现在已成为人工智能领域的主要参与者。其AutoGen是一个开源框架，用于开发和部署多个智能体，这些智能体可以协同工作以自主实现目标。
AutoGen 中的对话流程示例
AutoGen 试图促进和简化智能体之间的通信，减少错误并最大限度地提高 LLM 的性能。它还具有广泛的自定义功能，允许你选择首选模型，通过人工反馈改进输出，并利用其他工具。
7、MetaGPT
MetaGPT是另一个开源 AI 智能体框架，它试图模仿传统软件公司的结构。与 ChatDev 类似，智能体被分配了产品经理、项目经理和工程师的角色，并协作完成用户定义的编码任务。
到目前为止，MetaGPT 只能处理中等难度的任务——比如编写贪吃蛇游戏或构建简单的实用程序应用程序——但它是一个很有前途的工具，未来可能会迅速发展。生成一个完整的项目将花费你大约 2 美元的 OpenAI API 费用。
8、Camel
我们在之前的一篇文章中写过关于Camel的内容，从那时起，这个项目就一直在发展。简而言之，Camel 是早期的多智能体框架之一，它使用独特的角色扮演设计，使多个智能体能够相互通信和协作。
两个 ChatGPT 代理之间的对话
一切都始于一项人类定义的任务。该框架利用 LLM 的强大功能动态地为智能体分配角色，指定和开发复杂的任务，并安排角色扮演场景，以实现智能体之间的协作。这就像人工智能的剧场。
9、Loop GPT
LoopGPT是 Toran Bruce Richards 的 AutoGPT 的一个迭代。除了适当的 Python 实现之外，该框架还带来了对 GPT-3.5、集成和自定义智能体功能的改进支持。它还消耗更少的 API 令牌，因此运行起来要便宜得多。
LoopGPT 可以基本自动运行，也可以在循环中由人参与运行，以最大限度地减少模型幻觉。有趣的是，该框架不需要访问矢量数据库或外部存储来保存数据。它可以将代理状态写入文件或 Python 项目。
10、JARVIS
JARVIS远不及托尼·史塔克的标志性 AI 助手（保罗·贝坦尼的声音同样具有标志性），但它有一些绝招。使用 ChatGPT 作为其“决策引擎”。JARVIS 处理任务规划、模型选择、任务执行和内容生成。
使用 JARVIS 进行规划、模型选择、执行和生成
通过访问 HuggingFace 中心中的数十个专用模型，JARVIS 利用 ChatGPT 的推理能力将最佳模型应用于给定任务。这使其在执行各种任务时都具有相当迷人的灵活性，从简单的摘要到对象检测。
11、OpenAGI
OpenAGI是一个开源 AGI（通用人工智能）研究平台，结合了小型专家模型（针对情绪分析或图像去模糊等任务量身定制的模型）和任务反馈强化学习 (RLTF)，以提高其输出。
从本质上讲，OpenAGI 与其他自主开源人工智能框架没有太大区别。它汇集了 ChatGPT 等流行平台、LLaMa2 等 LLM 和其他专用模型，并根据任务上下文动态选择正确的工具。
12、结束语
自主智能体的世界令人着迷、引人注目且发展迅速。随着 GPT-4、Bard 和 LlaMa2 等 AI 模型的更快、更准确、更大规模迭代的出现，我们很可能在未来几个月看到更多令人兴奋的突破。
谁知道呢？也许智能体是 AI 革命的下一个里程碑。它将使我们更接近阿西莫夫、莱姆和斯蒂芬森创造的世界（即使我们宁愿放弃技术反乌托邦）。当人类和人工智能一起工作时，生产力的新时代。
那么，你准备好加入这场革命了吗？
零基础入门AI大模型
今天贴心为大家准备好了一系列AI大模型资源，包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
有需要的小伙伴，可以点击下方链接免费领取【保证100%免费】
1.学习路线图
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
2.视频教程
网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。
（都打包成一块的了，不能一一展开，总共300多集）
3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。
4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
5.免费获取
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码或者点击以下链接都可以免费领取【保证100%免费】
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
