這個想法是在門鈴里放一個人工智能代理，能夠自由地采取行動。有什么可能出錯呢?

去年，由于我的門鈴多次打斷我，我決定修改它，使ChatGPT可以直接處理訪客。這個名為RinGPT的項目可以與訪客進行無休止的對話，同時遠程通知我。RinGPT還檢測關(guān)鍵字并提供預(yù)定義的響應(yīng)。

今年，在與法學(xué)碩士合作后，我發(fā)現(xiàn)了人工智能代理的概念，并發(fā)現(xiàn)將RinGPT升級為智能接待員很有趣。為了測試它的功能，我用一些樂高積木和一個原型裝置制作了一個小模型。

什么是AI Agent?

人工智能代理是一個自主實體，通過傳感器感知環(huán)境，處理信息，并采取行動實現(xiàn)特定目標。它可以是基于軟件的(如聊天機器人或推薦系統(tǒng))，也可以集成到硬件中(如機器人或自動駕駛汽車)。

在這個項目中，AI代理可以訪問一組工具，并可以根據(jù)其目標自主決定使用哪些工具以及以何種順序使用。

項目概述

這是一個實驗原型。雖然它使用人工智能代理，但它并不依賴于專門的代理框架。相反，它是用普通的Python和對OpenAI的多個API調(diào)用構(gòu)建的。盡管它很簡單，但該項目涉及大量代碼，并且在與軟件和物理組件(如傳感器讀數(shù)和門控制)交互方面脫穎而出。

硬件

該項目建立在Unihiker板上。對于那些不熟悉的人來說，Unihiker類似于樹莓派，但帶有觸摸屏，集成傳感器，按鈕和預(yù)裝的操作系統(tǒng)。

為了增強功能，我連接了：

?可選IO板

?保留LED按鈕

?SG90伺服電機

?藍牙揚聲器(配對用于音頻輸出)由于Unihiker內(nèi)置麥克風(fēng)，因此不需要額外的音頻硬件。我還做了一個入口的小紙板模型來測試。

軟件設(shè)置

配置優(yōu)步的WiFi接入：

通過USB連接到電腦上。

通過USB連接到電腦上。配置2.4GHz WiFi網(wǎng)絡(luò)，請訪問10.1.2.3。

一旦連接，SSH到指定的IP使用：

必需的庫

使用以下命令安裝必要的Python庫：

API密鑰和憑據(jù)

你需要取得：

來自O(shè)penAI平臺的OpenAI API密鑰，電報聊天ID和令牌(這個過程可能很繁瑣，但教程廣泛可用)藍牙揚聲器設(shè)置

將藍牙揚聲器配對一次，使用：

用說話人的MAC地址替換00:00:00:00:00。

RinGPT如何工作

按下按鈕→系統(tǒng)播放門鈴，并向訪客表示歡迎。

記錄訪客的語音→使用語音識別將語音轉(zhuǎn)換為文本

識別訪問者名稱→調(diào)用OpenAI API與函數(shù)調(diào)用提取訪問者的名稱。

選擇合適的工具→再次調(diào)用OpenAI來決定使用哪個工具。

執(zhí)行選定的工具→運行檢查時間表，燈光水平等功能。

決定最終動作→再次呼叫OpenAI決定是否開門或發(fā)送電報通知。

生成響應(yīng)→使用ChatGPT生成最終響應(yīng)。

可用的AI代理工具

人工智能代理可以使用以下工具：

其他功能，如開門或發(fā)送電報通知，是在程序的流程中處理的，但還沒有直接分配給代理(盡管它們可能在未來的版本中)。

議程功能目前是硬編碼的，但可以很容易地集成谷歌日歷。

getLightConditions函數(shù)有些隨意，但它是為了利用Unihiker的光傳感器而包含的。

LLM呼叫與處理

并不是所有對OpenAI的調(diào)用都是相同的。

第一次調(diào)用：使用OpenAI函數(shù)調(diào)用提取訪問者的名字，無論他們?nèi)绾伪磉_它。

后續(xù)調(diào)用：一些響應(yīng)是JSON格式，而其他響應(yīng)是純文本。

運行腳本

要啟動RinGPT，請運行：

要將其設(shè)置為自動啟動，請按照這里的說明進行操作。

日志記錄

由于RinGPT是自主操作的，因此日志記錄了用于監(jiān)視目的的所有操作和交互。

結(jié)論

與傳統(tǒng)的啟發(fā)式編程不同，在啟發(fā)式編程中，操作是可預(yù)測的，llm引入了不確定性元素。在測試期間，相同的提示符和代碼有時會產(chǎn)生意想不到的結(jié)果，例如：

在JSON響應(yīng)中提供額外的信息，并且由于“不確定性”而拒絕選擇工具。在改進提示之后，我能夠得到一致和可靠的結(jié)果。

除了這個簡單的例子，人工智能代理的潛力是巨大的，特別是支持微調(diào)和檢索增強生成(RAG)的模型。

真正的問題是：我們愿意給我們的人工智能代理多大的自主權(quán)?

本文編譯自hackster.io