# AutoGPT试用感受：AI 从助理升级为代理，未来什么样的人才可以生存？（精选转载） By [Pablo](https://paragraph.com/@100coin) · 2023-04-28 --- 上个周末终于有时间把玩了一下近期大🔥的AutoGPT, 给我带来了非常大的震撼，AI 从助理(Assistant)→代理(Agent)，将 AI和人的边界向前推进了一大步。 ![](https://storage.googleapis.com/papyrus_images/dd27eafe97cbfe9c5e4a8d8f8392ae2a1840fea5c51c949081e9592087650c45.png) 下面我用几个例子详细解释： * **为什么AutoGPT在【加速】替代人类职位** * **未来需要什么样的组织** * **未来需要什么样的人才** ![](https://storage.googleapis.com/papyrus_images/411863b9472862ca4e8cb85935371be750fd7f7b627e6bac6eb3d616a940b3c7.png) AutoGPT 是一种可以接收自然语言给出的目标，然后分解成子任务并利用互联网和其他工具来尝试实现的“AI Agent”。 ChatGPT 擅长解决明确的问题，人类需要通过 prompt 定义高质量的问题输入，还是一个专业的执行层员工；而 AutoGPT 可以接受模糊的指令，将其变成更具体的可执行问题，这至少是一个中层 leader 了，老板的代理人（Agent）。 感兴趣的朋友可以访问其代码库： [https://github.com/Significant-Gravitas/Auto-GPT](https://github.com/Significant-Gravitas/Auto-GPT) ![](https://storage.googleapis.com/papyrus_images/1889f2015ac560f99042a7222ec5776509ff2dd5ef77933c247a6c390607667e.png) 基于解决问题的能力，我把人才分为 3 个等级：**Entry/Middle/High**。 1. Entry：问题明确，解法唯一，比如回答客户特定问题。 2. MIddle：问题明确，方法不唯一，比如给定某个主题写一篇文章。 3. High：问题不明确，方法也不唯一，比如“某NFT接下来应该怎么做”。 之前我们分析过，ChatGPT 的出现，会让 Entry Level 职位急剧减少，甚至消失；对 Middle Level 的职位也会有部分替代，但对于不明确的问题还没有很好解决。 而这一次的AutoGPT, 则将 AI和人的边界向前推进了一大步：AI 开始尝试解决「不明确的问题」，显示出某些 High Level 人才的能力。 * * * **下面我用 AgentGPT + 2 个例子测试了其能力和不足。** AgentGPT 是一个基于浏览器实现的 AutoGPT, 省去了在自己电脑上部署AutoGPT的工作，可以说是一个平替版，遗憾的是暂时还没有浏览网页和部署软件的能力，但足够用来测试【模糊指令→拆解→执行】。五一假期我再折腾一下 AutoGPT 。 使用地址：[https://agentgpt.reworkd.ai/（稳定运行需要GPT3.5或者4的](https://agentgpt.reworkd.ai/%EF%BC%88%E7%A8%B3%E5%AE%9A%E8%BF%90%E8%A1%8C%E9%9C%80%E8%A6%81GPT3.5%E6%88%96%E8%80%854%E7%9A%84) api-key） ![](https://storage.googleapis.com/papyrus_images/3a5dffe37e5739efccba7a9f399af8c7545506bfb5bccec81c103178d8db0347.png) **测试问题1：ETH和特斯拉，哪一个值得在未来5年内投资？** 这是一个略模糊的问题，需要比较哪些维度？投资者的风险承受能力如何？最后基于哪些因素来做出决策？ 我同时把这个问题抛给 ChatGPT 和 AgentGPT, ChatGPT 把这个模糊的问题转化成一个模糊的答案，而 AgentGPT 将其拆解为了 13 个子任务，耗时 8 分钟完成，所有子任务的输出加起来有 4000 字。 ![](https://storage.googleapis.com/papyrus_images/a11cb8aa91b0a6fec37026e91cf0d2a1e13f8b460ebf2f50eb9c75a33f279f21.png) ![](https://storage.googleapis.com/papyrus_images/1843e10bdb5584a8846d2534df8f4649224b042fde67dfb66ea01901a02b0ed8.png) 可以发现，AgentGPT **具有任务拆解和自我成长能力**，表现出了 High Level 人才的能力。 * 一开始把问题拆成 3 个子任务：收集历史数据表现、分析数据趋势和模式、提供最终建议 * 对于比较的维度，一开始只有历史表现，然后逐步增加了更多维度，包括风险分析（市场条件、监管变化和其他）、新兴技术、公司财务、盈利能力、未来增长能力等，也就是说，AgentGPT 的思考变的越来越全面 * 在增加比较维度后，AgentGPT 会主动迭代其答案，给出最新建议 AgentGPT 第一次提供的建议是【分散投资组合】；考虑背后公司的财务健康和稳定性后，给出的建议是【特斯拉】；再增加相关行业的财务表现、增长潜力和市场份额后，给出的建议仍然是【特斯拉】。 ![](https://storage.googleapis.com/papyrus_images/7037d7a0e18709f1bfe6069606a264a5ced4511902f6f63a59b6de09f71c504a.png) 我自己觉得这 3 次建议都还 make sense, 整体可以打 75 分。具体建议我贴在下面，感兴趣的朋友可以自行鉴定。 我也发现了 1 个明显的 bug：**重复** * AgentGPT 反复增加「风险」和「监管」的子任务，甚至都开始了循环，仿佛没有记忆，忘记了已经分析过 **测试问题2：如何在加密货币世界中进行聪明的投资** 这个问题比上一个更模糊。没有明确的比较标的，需要 AgentGPT 去寻找和定义。没有明确的投资期限，看 AgentGPT 如何处理。我同样把这个问题抛给 ChatGPT 和 AgentGPT, ChatGPT 仍然输出了一个全面但没有实际结论的答案；而这次 AgentGPT 疯狂拆解和新增子任务，在运行的 20 分钟内生成了 53 个子任务，输出超过了 1.5w 字，最终被我手动停止。 一开始 AgentGPT 还比较正常，仍然把问题拆成 3 个子任务：收集历史数据表现、分析当前市场趋势和潜在发展、在风险管理策略下提供最终建议。 可能因为没有具体的标的，维度发散起来就收不住：历史数据、市场趋势、未来潜力、风险管理、监管影响、多元投资、市场波动、止损、基本面、流动性、经济事件、社区情绪、KOL 情绪… 第 7 条任务是「定期监测和分析市场趋势和新闻」，从这一条起，AgentGPT 开始增加【开发系统】的任务，并陷入循环，感觉是被触发了某个 bug, 可能是因为目前 AgentGPT 还不具备开发能力。 其实在第 8 个任务的时候 AgentGPT 就给出了一个初步建议，如果基于此不断迭代可能会产出更好的答案，可惜发散出去回不了头。 ![](https://storage.googleapis.com/papyrus_images/6fe2ef847351cdf3ad37a16d7763f1191c9ba09522eb5b41a9d3cf0e0e842b32.png) 另外由于可以调用本地文件、访问网络并部署软件，Auto-GPT 可能会以非常意想不到的方式运行。一位 Reddit用户分享了个有趣的故事：他 Auto-GPT 一个100美元的真实预算，告诉它可以在虚拟机内做任何想做的事情。Auto-GPT 创建了一个关于猫的维基页面，然后在某个网站上学习到了虚拟机的某个缺陷，紧接着利用该缺陷获得了管理员权限，接管了它所在的 Python 环境，把自己「关掉」了，一共耗时3 小时（发现生活太无聊？） ![](https://storage.googleapis.com/papyrus_images/faa92c2494a71c199a909c7179c303b56c836c7dfc1b9aa455c31bcde50a52af.png) * * * **测试总结** * AutoGPT 具有接收模糊问题、任务拆解和自我成长能力，表现出了 High Level 人才的特征。 * AutoGPT 目前有几个明显缺陷：重复（没有记忆）、发散、不可预测，还无法完全自动驾驶（autopilot），需要小心使用，在人类的监督下完成设定问题（需要有个老板定期 check 进展不要走偏）。 尽管还有缺陷，AutoGPT 显示出的能力，将人和 AI 的边界继续向前推进了一步：如果说 ChatGPT 是针对具体指令给出答案的助理(Assistant)，AutoGPT 则是可以根据人类模糊意图【独立】完成工作的代理(Agent)，越来越像「人」甚至超越「人」。AI 会不会自己开发一个 Human Agent 出来？ 怪不得大佬们开始聊 AI Alignment, 人类文明和超级智能体如何共存。 ![](https://storage.googleapis.com/papyrus_images/53b476c308a30e86c4ae712704e9ab96ba76e550d3c51a23d16e5dea83f19c5f.png) ![](https://storage.googleapis.com/papyrus_images/cb93159e77df34c2a7031ce21d43d91b38c1b61559e309424446440f50363138.png) 如果说 ChatGPT 是帮你增加了执行员工，AI Agent 直接扩展了你的合伙人，使得组织进一步小型化。  最近有 2 个内容让我印象深刻。第一个是知名 VC Chamath 在播客里面表示，之前 40-50 公司做的事情，现在完全可以由 3-4 个人完成，同时也不需要这么多资金量。他正在计划重组VC，以适应新的投资逻辑。 ![](https://storage.googleapis.com/papyrus_images/597afab30164a459440e4cd78143c860ef8248a6b78f4338eae3251a4df6bbc6.png) 第二个就是Chamath口中「不需要那么多资金量」的公司之一midjouney. 11 位员工，完全没有融资，在不到一年的时间拥有了全球千万用户，年收入上亿美金。 ![](https://storage.googleapis.com/papyrus_images/527685bfab4a2c0eea1e420b41d8941858079205bba1a0d32cd729179b269ae9.png) 许多服务个人创作者的工具，都让我看到类似的潜力。如何帮助这样的组织，将是 VC 今年研究的重要课题。 ![](https://storage.googleapis.com/papyrus_images/39c294c5e963838b1eac4c0a6f822d8dc2277b4c2ef8b02d97fbd855c38a0d9b.png) 前文已经部分回答了这个问题。对于模糊的目标，AI Agent 的工作过程里需要有个老板来监督，定期 check 进展不要走偏。 我们的目标就是成为 High Level 人才，做 AI Agent 的老板，驾驭其为自己所用。 * AI Agent已经会拆解问题了但过于发散，于是需要我们有超越其的决策能力 * 决策后需要对「用户」进行宣讲和影响，取得共识，这也是我们常说的沟通能力 ![](https://storage.googleapis.com/papyrus_images/e327d9ff32ceda003cedcfa7995df4849b2a35b807aa8fa49bbff0a984ca6635.png) 另一方面，既然大型组织会越来越少，小型组织甚至solopreneur会越来越多，我们需要锻炼自己独当一面的能力，而不只是大厂里的一颗螺丝钉。 我们的技能树需要是「某个纵深的专业能力+会用 AI Agent 补上其他模块的能力」，这样一个人可以是 solopreneur，3-4 个人就可以互补成为一个商业组织，在未来更游刃有余。 ![](https://storage.googleapis.com/papyrus_images/dda6780eabb51f21a9cde8be003ec95765c4907f436f0f9d573c7564cf51d23c.png) 1. AutoGPT 具有接收模糊问题、任务拆解和自我成长能力，表现出了 High Level 人才的特征；但目前还有几个明显缺陷，需要在人类的监督下完成任务。 2. AI Agent 会加速组织的小型化和 solopreneur 的涌现。作为个体，我们需要「某个纵深的专业能力+会用 AI Agent 补上其他模块的能力」，这样一个人可以是 solopreneur，3-4 个人就可以互补成为一个商业组织，在未来更游刃有余。 原文链接： [https://www.web3brand.io/p/ai-agent](https://www.web3brand.io/p/ai-agent) --- *Originally published on [Pablo](https://paragraph.com/@100coin/autogpt-ai)*