這個(gè)想法是在門鈴里放一個(gè)人工智能代理，能夠自由地采取行動(dòng)。有什么可能出錯(cuò)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(gè)名為RinGPT的項(xiàng)目可以與訪客進(jìn)行無(wú)休止的對(duì)話，同時(shí)遠(yuǎn)程通知我。RinGPT還檢測(cè)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(jí)為智能接待員很有趣。為了測(cè)試它的功能，我用一些樂(lè)高積木和一個(gè)原型裝置制作了一個(gè)小模型。

什么是AI Agent?

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

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

項(xiàng)目概述

這是一個(gè)實(shí)驗(yàn)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(duì)OpenAI的多個(gè)API調(diào)用構(gòu)建的。盡管它很簡(jiǎn)單，但該項(xiàng)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(xiàng)目建立在Unihiker板上。對(duì)于那些不熟悉的人來(lái)說(shuō)，Unihiker類似于樹(shù)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(qiáng)功能，我連接了：

?可選IO板

?保留LED按鈕

?SG90伺服電機(jī)

?藍(lán)牙揚(yáng)聲器(配對(duì)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(gè)入口的小紙板模型來(lái)測(cè)試。

軟件設(shè)置

配置優(yōu)步的WiFi接入：

通過(guò)USB連接到電腦上。

通過(guò)USB連接到電腦上。配置2.4GHz WiFi網(wǎng)絡(luò)，請(qǐng)?jiān)L問(wèn)10.1.2.3。

一旦連接，SSH到指定的IP使用：

必需的庫(kù)

使用以下命令安裝必要的Python庫(kù)：

API密鑰和憑據(jù)

你需要取得：

來(lái)自O(shè)penAI平臺(tái)的OpenAI API密鑰，電報(bào)聊天ID和令牌(這個(gè)過(guò)程可能很繁瑣，但教程廣泛可用)藍(lán)牙揚(yáng)聲器設(shè)置

將藍(lán)牙揚(yáng)聲器配對(duì)一次，使用：

用說(shuō)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(yǔ)音→使用語(yǔ)音識(shí)別將語(yǔ)音轉(zhuǎn)換為文本

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

選擇合適的工具→再次調(diào)用OpenAI來(lái)決定使用哪個(gè)工具。

執(zhí)行選定的工具→運(yùn)行檢查時(shí)間表，燈光水平等功能。

決定最終動(dòng)作→再次呼叫OpenAI決定是否開(kāi)門或發(fā)送電報(bào)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(kāi)門或發(fā)送電報(bào)通知，是在程序的流程中處理的，但還沒(méi)有直接分配給代理(盡管它們可能在未來(lái)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(duì)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(wèn)者的名字，無(wú)論他們?nèi)绾伪磉_(dá)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(yùn)行腳本

要啟動(dòng)RinGPT，請(qǐng)運(yùn)行：

要將其設(shè)置為自動(dòng)啟動(dòng)，請(qǐng)按照這里的說(shuō)明進(jìn)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(cè)的，llm引入了不確定性元素。在測(cè)試期間，相同的提示符和代碼有時(shí)會(huì)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(jìn)提示之后，我能夠得到一致和可靠的結(jié)果。

除了這個(gè)簡(jiǎn)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(qiáng)生成(RAG)的模型。

真正的問(wèn)題是：我們?cè)敢饨o我們的人工智能代理多大的自主權(quán)?

本文編譯自hackster.io