AutoGPT 运行原理解析

你肯定看过那个画面吧——去年春天，AutoGPT 突然刷屏，GitHub 上星星一天涨一万，朋友圈都在喊“AGI 终于来了！”我那晚也特别上头，连夜爬起床，在云服务器上把那套东西搭了起来。

配环境，搞 Key，花了半小时。然后郑重其事地输入了我的第一个任务：

“帮我查这周最火的AI推文。”

你看，就这一句话。我往后一靠，准备见证历史。

结果呢？我盯着屏幕看了整整十分钟。它像是着了魔一样，自顾自地 Google、浏览网页、写文件……全程自己跟自己说话。最后确实整出个报告。但你猜怎么着？

这一个任务，烧掉了我两美元。

那一刻我脑子里跳出一个念头：AutoGPT 根本不是 AGI，它是一个包装得特别华丽、特别会自言自语的——聪明手下。

核心就三样东西：让 GPT 做选择题，帮它记住该记住的，再给它一把瑞士军刀。别的全是幻觉。

论据一：它的“记忆”跟人一样贱——先记最近事，老的直接丢

你看，用过 ChatGPT 就知道，它一次只能记住那么长的对话。AutoGPT 也一模一样，上下文窗口是个硬天花板。

我翻了源码，看到一段关键的代码：它维护了一个所有对话的列表，叫 full_message_history。每次发请求，从最新一条开始往前装，装到撑不下为止。近的消息留下，远的自动挤掉——和你的短期记忆一模一样，先记住刚发生的，老的全忘光。

我第一次跑任务，到第五轮它突然忘了之前搜到了什么，就是因为 Token 满了，前面观察到的信息直接被清场。后来我开了 Memory 功能，接了 Pinecone 向量数据库，才相当于给它装了个外接硬盘，能够通过相似度回来翻老账。

但有个大坑你必须知道：如果你不配 Pinecone，只靠自带的历史记录，那 AutoGPT 基本就是一条金鱼——聊个十轮，任务目标都记不清了。

论据二：GPT 只负责做选择题，真正干活的是预设工具箱

很多人以为 AutoGPT 全程靠 GPT-4 自己在电脑里输出代码、直接执行、直接操控浏览器。错得离谱。

你来看它返回的格式，永远是一段定制的 JSON：

THOUGHTS: ...
REASONING: ...
PLAN: ...
CRITICISM: ...
NEXT ACTION: COMMAND = google ARGUMENTS = {'input': '...'}

AutoGPT 拿到这个，提取出 COMMAND 和参数，然后去匹配一个早就写好的 Python 函数。比如 google 对应 google_search()，write_to_file 对应文件写入。每一个命令都是程序员提前写好的、可控的、可扩展的组件。

那 GPT 负责什么？只负责“接下来该干啥”。真正动手的，是一堆普普通通的函数。

这设计聪明在哪？如果 GPT 胡说八道怎么办？比如它命令去爬一个根本不存在的网站——命令组件会直接返回错误。AutoGPT 把这个错误当成新的观察结果，塞回给 GPT，让它重新规划。

我遇到过好几次它硬要执行一个不存在的命令，结果循环报错、反馈、再报错，最后自己放弃任务。最离谱的一次，它连续三次试图调用一个我根本没注册的 send_email 命令。每次都报错，每次都重试，最后它沉默了。所以千万别迷信“自主修复”——边界条件一下，照样死循环。

论据三：Prompt 写得好，GPT 才能像个“有策略的大脑”

在 AutoGPT 源码的 prompt.txt 里，有一段超长的系统级指令。定义了角色、约束、可用命令、输出格式。其中我翻到最妙的是几条“自我批判”指令：

• “你的短期记忆是有限的，重要信息立即保存到文件。”
• “如果你不确定之前做过什么，回忆类似事件能帮你记忆。”
• “没有用户协助。”
• “只使用双引号内列出的命令。”

我试过去掉其中“CRITICISM”那段，结果呢？GPT 开始胡乱输出计划，完全跳过反思步骤，任务质量直接跳水。你看，这份 Prompt 不是摆设，是真正的核心调度逻辑。

有人会说：“这不就是给 GPT 写了个员工手册吗？”对，没错。AutoGPT 绝大部分的“智能”都来自于这份手册。不是什么新奇架构。你换一个 Prompt 写得好的 Agent 出来，效果完全一样。

回应反对：它到底算不算 AGI 的雏形？

我承认 Lillian Weng 提出的那个 Agent 范式——LLM + 记忆 + 规划 + 工具——方向是对的。很多人就拿这个框架跟 AutoGPT 对照，说它就是 AGI 的雏形。

但目前的实现太粗糙了。你来看：

• 它的“规划”只是根据当前 Observation 产生下一步，没有真正的长期规划能力。
• 它的“记忆”需要依赖外部数据库，而且塞入 Prompt 的时机也未必最优。
• 它的“工具”列表必须开发者手动配置，不具备自主发现工具的能力。

更现实的问题是——成本。我跑了一个中等复杂度的任务：分析三个竞品网站，写一份对比报告。结果花了大约 8 美元，耗时 20 分钟，中间好几次因为超时还得我自己敲 y 确认。你想想，如果每个任务都要人工盯着，这叫自动驾驶吗？

所以我的判断是：AutoGPT 是一个里程碑式的 Demo。它证明了 LLM 可以通过“思考–行动–观察”的循环来解决多步任务。但它更像一个带着调度器的 Shell 脚本升级版。离真正的 AGI？还差十万八千里。

最后给点实操建议

如果你真想玩玩，别急着上生产环境。先跑小成本任务，比如写个博客大纲、做个简单调研。一定要设好 Token 限制和模型选择。默认的 gpt-3.5-turbo 在复杂任务上会犯蠢，gpt-4 又贵得心疼。

另外，多翻翻源码，尤其是 prompt.txt 和 commands.py。你改一个命令的返回格式，整个 Agent 的行为都会跟着变。这东西的可玩性远远大于它的实用性——但也正是这种可玩性，让我们提前看到了 Agent 的雏形。

也许再过两三年，我们每个人都会给自己配一个“数字员工”：告诉它目标，它自己拆步骤、找信息、调 API、出结果。到时候回头看——

AutoGPT 就是那个笨拙、烧钱、动不动就炸……但第一个敢于站起来指路的傻瓜。

所以别介意它现在像个玩具。有时候，第一个敢站起来指路的傻瓜，比后来所有聪明的追随者都重要得多。