原文：19 款Agent产品工具合集
什么是Agent?
你告诉GPT完成一项任务，它就会完成一项任务。
如果你不想为GPT提出所有任务怎么办？如果你想让GPT自己思考怎么办？
想象一下，你创建了一个AI，你可以给它一个目标，甚至是像"做一个世界上最好的AI产品"这样模糊的目标，人工智能会列出一个待办事项列表，执行待办事项，根据它添加新的待办事项的进展，然后继续这个过程，直到达到目标。
这个就是Agent所要做的事情。
1. AgentGPT
在浏览器中组装、配置和部署你的 AI Agents，而且不需要安装或者添加OpenAI密钥。
AgentGPT特性：
-
基于浏览器
-
使用简单
-
基于OpenAI大模型
-
测试使用无需OpenAI密钥
体验链接：https://agentgpt.reworkd.ai/
演示（整个任务完成的时间大概1-3分钟）
设定的任务："找到 3 款感冒药，并在价格、品牌度、治愈方面对它们进行比较"
产品测试图
2.AutoGPT
基于 GPT-4 的实验性开源代理库，它将大模型的“想法”链接在一起，以自主完成您设定的任何任务。
AutoGPT特性：
-
可以访问互联网进行查询和收集信息
-
可以进行长短记忆管理
-
可以用于文本生成的GPT-4实例
-
可以访问常规的网站和平台
-
使用GPT-3.5进行文件存储和汇总
Github：https://github.com/Significant-Gravitas/Auto-GPT
3.Jarvis/HuggingGPT
Jarvis 或 HuggingGPT 是一个协作系统，由作为中央控制器的大型语言模型 (LLM) 和作为协作执行器的众多专家模型组成，这些模型源自 Hugging Face Hub。该代理人可以采用LLM以及其他模型。
系统的工作流程：
-
任务规划：使用chatgpt分析用户请求以辨别意图将其分解为可管理的任务。
-
模型选择：为了解决给定的任务，ChatGPT根据描述从Huggingface中选择最合适的专家模型。
-
任务执行：调用并执行每个选定的模型，随后将结果返回至ChatGPT。
-
响应生成：使用ChatGPT整合所有模型的预测，并生成综合响应。
Github：https://github.com/microsoft/JARVIS
详细设置指南：https://beebom.com/how-use-microsoft-jarvis-hugginggpt/
https://beebom.com/how-use-microsoft-jarvis-hugginggpt/
论文：https://arxiv.org/abs/2303.17580
4.BabyAGI
BabyAGI是一个AI驱动的任务管理系统，该系统使用OpenAI和Pinecone API来创建、确定优先级和执行任务。BabyAGI的优势在于它能够根据之前任务的结果自主解决并保持预定的目标，并且可以有效地确定任务的优先级。
BabyAGI的工作流程：
-
从任务列表中提取第一个任务。
-
将任务发送给执行代理，执行代理使用 OpenAI 的 API 和 Llama 根据上下文完成任务。
-
丰富结果并将其存储在 Pinecone 中。
-
创建新任务并根据目标和上一个任务的结果重新排列任务列表的优先级。
Github：https://github.com/yoheinakajima/babyagi
详细设置指南：http://babyagi.org/
huggingface:https://huggingface.co/spaces/NeuralInternet/BabyAGI
5.Ai Agent
支持GPT3.5、4.0的web端Agent解决方案
工作原理：把你的目标分解成更小的任务，然后一项一项地完成。
工作流程：执行——创建——确定先后顺序——迭代
体验链接：https://aiagent.app/
演示：
设定的任务："找到 3 款感冒药，并在价格、品牌度、治愈方面对它们进行比较"
产品测试图
6.COGNOSYS
支持GPT3.5、4.0、PaLM、Anthropic和Cohere模型的web端Agent解决方案，每个代理可以控制20个循环（一个循环是一定数量的任务集合）。
产品测试图
体验链接：https://www.cognosys.ai/
7.do anything machine.com
通过插件连接你的常用工具（例如：Gmail、notion、slack、python等），自动帮你完成列表中的待办事项。
图片来自alphakit官网
体验链接：https://www.doanythingmachine.com/
8.alphakit.ai
通过手机APP创建和管理AI Agent,定义目标后，Alphakit负责执行
图片来自alphakit官网
体验链接：https://alphakit.ai/
9.OpenAGI
OpenAGI专门设计用于提供复杂的多步骤任务，并附带特定于任务的数据集、评估指标和各种可扩展模型，支持 Llama-2、Claude-2 、 GPT-4、 GPT-3.5、Vicuna 和 Flan-T5模型。
OpenAGI框架，图片来自github
Github：https://github.com/agiresearch/OpenAGI
10.AGIXT
AGIXT是一个AI自动化平台，旨在为多个供应商提供高效的AI指令管理。该代理配备了自适应内存，这种多功能解决方案提供了强大的插件系统，支持各种命令，包括网页浏览。
体验链接：https://github.com/Josh-XT/AGiXT
11.AutoGPT-Next-Web
AutoGPT-Next-Web一键免费部署你的个人Agent网页应用。
-
Vercel 1分钟免费一键部署
-
改进本地支持：输入中文后，内容将显示为中文而不是英文
-
匹配AgentGPT的UI设计，响应式设计，支持深色模式
-
绑定域名后，您可以在任何地方快速访问，无障碍
Github：https://github.com/Dogtiti/AutoGPT-Next-Web
12.miniGPT-4
miniGPT-4利用大语言模型增强视觉语言理解
Github：https://github.com/Vision-CAIR/MiniGPT-4
13.MiniAGI
MiniAGI 是一个简单的自治代理，与 GPT-3.5-Turbo 和 GPT-4 兼容。它将强大的提示与最少的工具集、思维链以及带有总结的短期记忆结合起来。它还具有内心独白和自我批评的能力。
github案例
Github：https://github.com/muellerberndt/mini-agi
14.Teenage-AGI
Teenage-AGI使用 OpenAI 和 Pinecone 为 AI 代理提供记忆，并允许其在之前“思考”进行操作（输出文本）
-
AI对查询进行矢量化处理并将其存储在矢量数据库中
-
AI查看其内存内部，并查找与当前查询相关的内存和过去的查询
-
AI考虑采取什么行动
-
AI存储步骤3的想法
-
根据步骤3的想法和步骤2中的相关记忆，AI生成输出
-
AI将当前查询及其答案存储在其矢量库中
Github：https://github.com/seanpixel/Teenage-AGI
15.CAMEL
CAMEL专门为自主和交流代理而设计，实现并支持各种类型的代理、任务、提示、模型和模拟环境。
演示案例，图片来自github
Github： https://github.com/camel-ai/camel
16.AI Legion
AI Legion是一个用于可以协同工作以完成任务的自主代理的框架。
Github：https://github.com/eumemic/ai-legion
17.Xirciuts
Xircuits 工具包提供了一套全面的组件，用于以 BabyAGI 和 Auto-GPT 的风格试验和创建基于协作大型语言模型的代理。
演示案例，图片来自github
Github：https://github.com/XpressAI/xai-gpt-agent-toolkit
18.GPTRPG
-
一个基本的类似 RPG 的环境，供支持 LLM 的 AI 代理居住。
-
连接到 OpenAI API 的基本 AI 代理存在于环境中，作为概念验证。
演示案例，图片来自github
Github：https://github.com/dzoba/gptrpg
19.SFighterA
SFighterAI 采用经过深度强化学习训练的 AI 代理来击败“街头霸王 II：特别冠军版”中的最终 Boss。AI代理仅根据游戏屏幕的RGB像素值做出决策，在某些场景下实现了100%的胜率。
github：https://github.com/linyiLYi/street-fighter-ai
