Auto-GPT尝鲜使用
注:部署所需:OpenAI的API Key
1. Auto-GPT本地部署
1.1. 环境准备
- 需要Python环境,Python版本建议>=3.8(官方写的>=3.10)
- 建议用Conda(Minconda或Anaconda)创建单独的虚拟环境
- Git:有没有无所谓了
1.2. 项目下载
- Auto-GPT项目地址:Significant-Gravitas/Auto-GPT: An experimental open-source attempt to make GPT-4 fully autonomous. (github.com)
- 这里我下载的是
Auto-GPT v0.2.1
的版本
1.3. 环境配置
- 将下载的压缩包解压,复制一份
.env.template
文件,修改为.env
(也可以直接修改)
- 在终端中,使用Conda命令安装项目依赖
- 建议单独创建一个Python虚拟环境,
- 建议单独创建一个Python虚拟环境,
- 在你的
.\Auto-GPT\
项目中创建AutoGpt.json
文件,如果存在可忽略,该文件用于存储本地的缓冲数据,也就是本地的memory文件
- 配置OpenAI的API Key
- 登录OpenAI官网:
https://platform.openai.com/
,创建API Key
- 将API Key复制粘贴到前面修改的
.env
文件中,在对应位置填入即可
- 登录OpenAI官网:
- 完成上述操作,就可以在终端(对应的虚拟环境下)启动Auto-GPT了
- 注:这里我用的是GPT3.5的API,所以启动参数要指定为
--gpt3only
- 注:这里我用的是GPT3.5的API,所以启动参数要指定为
# 如果您无法访问 GPT4 api,此模式将允许您使用自动 GPT!
python -m autogpt --gpt3only
1.4. 尝鲜演示:写文章
-
过程比较长,所以中途停止了,看看最终结果,保存了个撒
-
用百度翻译如下
交通流理论是研究车辆在道路上的运动。它试图以精确的数学方式描述车辆、驾驶员和基础设施之间的相互作用。基础设施包括公路系统及其所有操作元件,包括控制装置、标志和标记。交通流理论主要从宏观角度提出,其中考虑了交通流量、交通密度和平均交通速度等综合交通变量。宏观特征也与交通的微观行为有关。我从谷歌搜索中找到了一些关于交通流理论的有用信息。我将利用这些信息来帮助我写报告。
交通流理论是交通工程的一个分支,研究车辆在道路和高速公路上的运动。它用于开发可以预测交通模式和优化交通流的模型和算法。交通流理论的应用有很多,包括:
1.交通管理:交通流理论用于设计和实施交通管理系统,以减少道路和高速公路上的拥堵,提高安全性,提高效率。
2.智能交通系统(ITS):交通流理论用于开发ITS技术,如交通信号控制系统、可变信息标志和智能速度自适应系统。
3.道路设计:交通流理论用于设计能够适应不同交通量和速度的道路和高速公路。
4.公共交通:交通流理论用于优化公交和火车网络等公共交通系统,以减少出行时间,提高服务可靠性。
5.应急响应:交通流理论用于制定能够快速有效地从灾区疏散人员的应急响应计划。
总的来说,交通流理论在交通工程中发挥着关键作用,有助于提高我们交通系统的安全性、效率和可持续性。
用来写文字内容还行,但经过测试,比如用来写爬虫,半天写不完,这里就不展示了(可能是GPT3.5的代码水平不太行
标签:交通流,Auto,理论,API,Key,尝鲜,GPT From: https://www.cnblogs.com/jhy-ColdMoon/p/17331608.html