agents 分类

一、分类

自动agent、半自动agent、领域、自定义sop和支持人为干预的agent。

先泼个冷水，目前这些agent项目都是实验品，发展还没有做知识库问答相关开源项目那么成熟，

二、全自动agent

autoGPT、loopGPT、babyAGI

全自动agent就是人类不可控制，生成结果的流程也无法干预、调整，规则、流程都是封闭起来的，用户能做的只是输入一个问题

AutoGPT

用户能做的就是改个名字，流程完全不可控，大模型需要openai的api key，好多朋友评论说autoGPT就是个openai api的印钞机，实际生产效果并不好，更像一个玩具

loopGPT

也是autoGPT，在以下方面做了升级：

在使用token上做了优化，让它不费太多的token
允许人类中间稍稍纠正方向
中断回答时能保留当前模型状态的记忆

babyAGI

跟camel一样，都能根据用户指令来拆解。不过camel只是把用户指令说得更清楚，而babyAGI则拆解成一个个任务，用大模型一个一个地把这些任务执行完。而不是像camel没有把任务分得那么细，让2个甚至3个智能体自动在对话中执行任务，由此看来，这两个在逻辑框架都不一样，另外，babyAGI需要向量数据库来存储，除了llm的api，还需要向量数据库的api

个人感觉camel要比babyagi好些，可以自定义的地方稍稍多点，适合不复杂、对准确性要求并不太高、发散性的应用场景，我都想部署部署camel用作标题、选题等灵感生成

三、半自动agent

半自动agent在程序调用、agent角色设定、甚至sop至少可以部分修改，不是全封闭好的

camel

camel的可部署性、部署价值要比上面提到的 autoGPT、loopGPT强，社区也更成熟

引入了2个机器人角色来交流对话角色扮演，用户除了设定目标，可以设定这两个机器人的角色（具体角色除了框架已经提供的，自己修改增加角色数量）

添加：

可以添加专门负责api工具调用的agent-----可以浏览互联网、阅读文档、创建图像、音频和视频、图像识别等内容，甚至可以直接执行代码这个就需要有开发经验，自己根据这个框架做增添，在代码里改，也可以加上向量数据库等

四、领域agent：

chatDev、metaGPT

目前agent流程只适用于特定领域，尤其是代码生成和编程，这两个开源项目都是让一群agent程序员来构建软件。角色已经设定：

chatDev

包括执行官，产品官，技术官，程序员，审查员，测试员，设计师等。这些智能体形成了一个多智能体组织结构，其使命是“通过编程改变数字世界”。ChatDev内的智能体通过参加专业的功能研讨会来协作，包括设计、编码、测试和文档编写等任务

MetaGPT

输入一句话的老板需求，输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等 MetaGPT内部包括产品经理 / 架构师 / 项目经理 / 工程师，它提供了一个软件公司的全过程与精心调配的SOP

这两个项目亮眼的还是sop的引进，可以自定义sop，即使自局限于他们提供的这些角色，是对camel的一个发展

五、自定义agent：

superAGI、autoGen、agents、swarms，可自定义模型、知识库和工具

superAGI

要比上面提到的哪个都成熟，目前已经有了根据superAGI开发的商用产品了，可惜就是国外的，对国产模型和应用支持不好。国产想要可自定义模型、知识库和工具，可以去看fastGPT，虽然主要是针对知识库调用的，也是有自定义模型、工具甚至sop自定义的，我个人部署过，效果要比autoGen、agents好多了

superAGI功能：