【LangChain学习之旅】—（19）BabyAGI：根据气候变化自动制定鲜花存储策略 AutoGPTBaby AGIHuggingGPT LangChain 目前是将基于 CAMEL 框架的代理定义为 Simulation Agents（模拟代理）。这种代理在模拟环境中进行角色扮演，试图模拟特定场景或行为，而不是在真实世界中完成具体的任务。 随着 ChatGPT 的崭露头角，

在进入到主程序前，我们还需要看一个Embedding的实现代码，这里的功能主要是为了计算代码之间的相关性。 embedding可以文本中的词语转化为低维实数向量的表示，来计算两段文字间的几何距离来判断词语的含义是否相近。 1. 源码阅读-初始化和计算代码库的嵌入值 这段代码主要是设定了初始化变量，包括使用的embedding的模型，以及tokenizer（分词器），分词器按照\n，作为分词符号

babyAGI中有cooperative模式，其核心是调用ray库，实现分布式多进程执行任务。 从BabyAGI的源码中，我们可以学习ray core的使用。 1. Ray核心概念 1.1 Tasks Ray 允许在单独的 Python 工作线程上异步执行任意函数。 这些异步执行的函数被称为“tasks”。 Ray 使任务能够根据 CPU、GPU 或自定义其资源需求。 Ray的集群调度

话不多说，我们直接进入babyAGI的核心部分，也就是task agent部分。 1. 创建任务agent 这一段代码的任务是创建一个任务，这个函数有四个参数 objective 目标result 结果，dict类型task_list 任务清单task_descritption 任务描述 将结果存放到out这个dict中返回。 在prompt中，指定了 You are to use

一种新型的代理——Autonomous Agents（自治代 理或自主代理）， 在 LangChain 的代理、工具和记忆这些组件的支持下，它们能够在无需外部干预的情况下自主 运行，这在真实世界的应用中具有巨大的价值。 AutoGPT 它的主要功能是自动链接多个任务，以实现用户设定的大目标 用户只需提供一个提示或一组自然语言指令，Auto-GPT 就会通过自动化多步提示过程，将目标分解为子

LangChain系列文章 LangChain 实现给动物取名字，LangChain 2模块化prompt template并用streamlit生成网站 实现给动物取名字LangChain 3使用Agent访问Wikipedia和llm-math计算狗的平均年龄LangChain 4用向量数据库Faiss存储，读取YouTube的视频文本搜索Indexes for information re