AutoGPT@v0.4.7 代码分析

主流程分析

在命令行中使用

启动 autogpt 后，app/cli.py 中会通过调用 开始主流程。

在

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

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

将可执行的操作放到一个 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

中执行后续操作。

在主循环(

) 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

方法获取用户反馈。

确认用户反馈后，根据反馈结果调用

执行 command。

在

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

为零时会退出主循环，其中 的变化情况是：

1. 如果在初始化时启用了
   continuous_mode
   ，则为
   continuous_limit
   或 ∞，否则为 1；
2. 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；
3. 在执行非
   human_feedback
   的指令前将
   cycles_remaining
   -1。

agent.think

方法

由其父类

BaseAgent

实现。 其主要流程为：

首先使用

和 `one-shot Thought Process ID 构造 Prompt。这个 Prompt 的由 5 部分组成：

1. system prompt
2. 定义响应结构体
   Response
   ；
3. 历史消息（会使用 gpt-3.5 提取摘要）；
4. 限制输出数量；
5. DEFAULT_TRIGGERING_PROMPT；

其中，

的主要内容是：

1. 指定
   assistant
   的名称和角色，要求 LLM 独立做决定；
2. （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）
3. assistant 的执行目标（ai_goals）。

生成 prompt 之后，调用 openai 接口生成响应（

），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：

1. execute_code
   : 执行 Python 代码或 Shell 指令；
2. file_operations
   ：文件和文件夹操作；
3. web_search
   ：使用 DuckDuckGo 或 Google 进行搜索；
4. web_selenium
   ：使用 headless 浏览器访问特定 url；
5. system
   ：·goals_accomplished` 任务完成；
6. image_gen
   ：使用
   dalle
   、
   huggingface
   或
   sdwebui
   生成图片（默认不启用）；
7. 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

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

，这样才能被加载到可执行的指令中。