主流程分析
在命令行中使用 ./run.sh 启动 autogpt 后，app/cli.py 中会通过调用 run_auto_gpt 开始主流程。
在 run_auto_gpt 中，首先进行初始化工作（如 configs、workspace、plugin、ai_config、memory）及注册 commands。
其中执行目标（ai_goals）的设定方式为：
- 继续上一次的目标；
- 用户通过输入
--manual进行手动设置； - 用户输入目标，通过调用
generate_aiconfig_automatic自动生成。
注册 commands 的方法是通过 Command Registry 的静态方法 with_command_modules 在应用启动时，在该方法中调用 import_command_module 将 COMMAND_CATEGORIES 导入支持的 command，并将其注册到 CommandRegistry 中。
其中 command_registry.register 将可执行的操作放到一个 dict 中以便后续取用。
完成 commands 的注册后会初始化一个 agent ，并将其传递到 run_interaction_loop 中执行后续操作。
在主循环(run_interaction_loop) 中，首先通过 agent.think 调用 openai 接口，获取需要执行的 command 以及响应。
然后通过调用 update_user 方法获取用户反馈。
确认用户反馈后，根据反馈结果调用 agent.execute 执行 command。
在 agent.execute 方法中，通过调用 command_registry.get_command 获取对应的 command 后执行，执行完成后，如果结果长度超出了可发送的 token 数量，会返回 ActionErrorResult 异常，否则返回执行结果，然后重新开始新一轮的流程。
当 cycles_remaining 为零时会退出主循环，其中 cycle_remaining 的变化情况是：
- 如果在初始化时启用了
continuous_mode，则为continuous_limit或 ∞，否则为 1； - 在
get_user_feedback中，如果用户输入y，则cycles_remaining被重新设置为 1，若指定了连续执行的轮数，则cycles_remaining为执行轮数 + 1； - 在执行非
human_feedback的指令前将cycles_remaining-1。
agent.think 方法
agent.think 由其父类 BaseAgent 实现。 其主要流程为：
首先使用 DEFAULT_TRIGGERING_PROMPT 和 `one-shot Thought Process ID 构造 Prompt。这个 Prompt 的由 5 部分组成：
其中，system prompt 的主要内容是：
- 指定
assistant的名称和角色，要求 LLM 独立做决定； - （可选）指定本机系统、可用的额度、限制条件（constraints）、可用资源（resoources）及最佳实践（best_practice）
- assistant 的执行目标（ai_goals）。
生成 prompt 之后，调用 openai 接口生成响应（Response），随后更新历史消息，并从响应中提取内容和 command。
command 指令
AutoGPT 内置了 5 种指令：
execute_code: 执行 Python 代码或 Shell 指令；file_operations：文件和文件夹操作；web_search：使用 DuckDuckGo 或 Google 进行搜索；web_selenium：使用 headless 浏览器访问特定 url；system：·goals_accomplished` 任务完成；image_gen：使用dalle、huggingface或sdwebui生成图片（默认不启用）；git_operations：git 操作（默认不启用）。
定义 command 的方法是在目标函数前使用 @command 装饰器装饰该函数。在装饰器中指定这个 command 的名称、描述和参数列表。因为指令名称和参数列表会提供给 LLM 进行选择，所以名称应当能清楚地表达这一指令的功能。
定义完指令后要添加对应的 COMMAND_CATEGORIES ，这样才能被加载到可执行的指令中。