AutoGPT试用感受：AI 从助理升级为代理，未来什么样的人才可以生存？
ChatGPT is out, AI agents are in
上个周末终于有时间把玩了一下近期大🔥的AutoGPT, 给我带来了非常大的震撼，AI 从助理(Assistant)→代理(Agent)，将 AI和人的边界向前推进了一大步
下面我用几个例子详细解释
为什么AutoGPT在【加速】替代人类职位
未来需要什么样的组织
未来需要什么样的人才
1️⃣首先，先让我们看下 AutoGPT 是什么
AutoGPT 是一种可以接收自然语言给出的目标，然后分解成子任务并利用互联网和其他工具来尝试实现的“AI Agent”.
ChatGPT 擅长解决明确的问题，人类需要通过 prompt 定义高质量的问题输入，还是是一个专业的执行层员工；而 AutoGPT 可以接受模糊的指令，将其变成更具体的可执行问题，这至少是一个中层 leader 了，老板的代理人（Agent）
感兴趣的朋友可以访问其代码库
2️⃣ AutoGPT在【加速】替代人类职位
基于解决问题的能力，我把人才分为 3 个等级：Entry/Middle/High
之前我们分析过，ChatGPT 的出现，会让 Entry Level 职位急剧减少，甚至消失；对 Middle Level 的职位也会有部分替代，但对于不明确的问题还没有很好解决
而这一次的AutoGPT, 则将 AI和人的边界向前推进了一大步：AI 开始尝试解决「不明确的问题」，显示出某些 High Level 人才的能力
下面我用 AgentGPT + 2 个例子测试了其能力和不足
AgentGPT 是一个基于浏览器实现的 AutoGPT, 省去了在自己电脑上部署AutoGPT的工作，可以说是一个平替版，遗憾的是暂时还没有浏览网页和部署软件的能力，但足够用来测试【模糊指令→拆解→执行】。五一假期我再折腾一下 AutoGPT 🙂
使用地址：https://agentgpt.reworkd.ai/（稳定运行需要GPT3.5或者4的 api-key）
1. 比较ETH和特斯拉，哪一个值得在未来5年内投资？
这是一个略模糊的问题，需要比较哪些维度？投资者的风险承受能力如何？最后基于哪些因素来做出决策？
我同时把这个问题抛给 ChatGPT 和 AgentGPT, ChatGPT 把这个模糊的问题转化成一个模糊的答案，而 AgentGPT 将其拆解为了 13 个子任务，耗时 8 分钟完成，所有子任务的输出加起来有 4000 字。
可以发现，AgentGPT 具有任务拆解和自我成长能力，表现出了 High Level 人才的能力
一开始把问题拆成 3 个子任务：收集历史数据表现、分析数据趋势和模式、提供最终建议
对于比较的维度，一开始只有历史表现，然后逐步增加了更多维度，包括风险分析（市场条件、监管变化和其他）、新兴技术、公司财务、盈利能力、未来增长能力等，也就是说，AgentGPT 的思考变的越来越全面
在增加比较维度后，AgentGPT 会主动迭代其答案，给出最新建议
AgentGPT 第一次提供的建议是【分散投资组合】；考虑背后公司的财务健康和稳定性后，给出的建议是【特斯拉】；再增加相关行业的财务表现、增长潜力和市场份额后，给出的建议仍然是【特斯拉】。
我自己觉得这 3 次建议都还 make sense, 整体可以打 75 分。具体建议我贴在下面，感兴趣的朋友可以自行鉴定。
我也发现了 1 个明显的 bug：重复
AgentGPT 反复增加「风险」和「监管」的子任务，甚至都开始了循环，仿佛没有记忆，忘记了已经分析过
2. 如何在加密货币世界中进行聪明的投资
这个问题比上一个更模糊
没有明确的比较标的，需要 AgentGPT 去寻找和定义
没有明确的投资期限，看 AgentGPT 如何处理
我同样把这个问题抛给 ChatGPT 和 AgentGPT, ChatGPT 仍然输出了一个全面但没有实际结论的答案；而这次 AgentGPT 疯狂拆解和新增子任务，在运行的 20 分钟内生成了 53 个子任务，输出超过了 1.5w 字，最终被我手动停止。
一开始 AgentGPT 还比较正常，仍然把问题拆成 3 个子任务：收集历史数据表现、分析当前市场趋势和潜在发展、在风险管理策略下提供最终建议
可能因为没有具体的标的，维度发散起来就收不住：历史数据、市场趋势、未来潜力、风险管理、监管影响、多元投资、市场波动、止损、基本面、流动性、经济事件、社区情绪、KOL 情绪…
第 7 条任务是「定期监测和分析市场趋势和新闻」，从这一条起，AgentGPT 开始增加【开发系统】的任务，并陷入循环，感觉是被触发了某个 bug, 可能是因为目前 AgentGPT 还不具备开发能力
其实在第 8 个任务的时候 AgentGPT 就给出了一个初步建议，如果基于此不断迭代可能会产出更好的答案，可惜发散出去回不了头
另外由于可以调用本地文件、访问网络并部署软件，Auto-GPT 可能会以非常意想不到的方式运行。一位 Reddit用户分享了个有趣的故事：他 Auto-GPT 一个100美元的真实预算，告诉它可以在虚拟机内做任何想做的事情。 Auto-GPT 创建了一个关于猫的维基页面，然后在某个网站上学习到了虚拟机的某个缺陷，紧接着利用该缺陷获得了管理员权限，接管了它所在的 Python 环境，把自己「关掉」了，一共耗时3 小时（发现生活太无聊？）
测试总结
AutoGPT 具有接收模糊问题、任务拆解和自我成长能力，表现出了 High Level 人才的特征
AutoGPT 目前有几个明显缺陷：重复（没有记忆）、发散、不可预测，还无法完全自动驾驶（autopilot），需要小心使用，在人类的监督下完成设定问题（需要有个老板定期 check 进展不要走偏）
尽管还有缺陷，AutoGPT 显示出的能力，将人和 AI 的边界继续向前推进了一步：如果说 ChatGPT 是针对具体指令给出答案的助理(Assistant)，AutoGPT 则是可以根据人类模糊意图【独立】完成工作的代理(Agent)，越来越像「人」甚至超越「人」。AI 会不会自己开发一个 Human Agent 出来？
怪不得大佬们开始聊 AI Alignment, 人类文明和超级智能体如何共存
3️⃣ AI Agent 会加速组织的小型化和 solopreneur 的涌现
如果说 ChatGPT 是帮你增加了执行员工，AI Agent 直接扩展了你的合伙人，使得组织进一步小型化
最近有 2 个内容让我印象深刻。第一个是知名 VC Chamath 在播客里面表示，之前 40-50 公司做的事情，现在完全可以由 3-4 个人完成，同时也不需要这么多资金量。他正在计划重组VC，以适应新的投资逻辑
第二个就是Chamath口中「不需要那么多资金量」的公司之一midjouney. 11 位员工，完全没有融资，在不到一年的时间拥有了全球千万用户，年收入上亿美金。
许多服务个人创作者的工具，都让我看到类似的潜力。如何帮助这样的组织，将是 VC 今年研究的重要课题
4️⃣ 作为个体，如何在充满 AI Agent 的世界里更好生存呢？
前文已经部分回答了这个问题。对于模糊的目标，AI Agent 的工作过程里需要有个老板来监督，定期 check 进展不要走偏
我们的目标就是成为 High Level 人才，做 AI Agent 的老板，驾驭其为自己所用
AI Agent已经会拆解问题了但过于发散，于是需要我们有超越其的决策能力
决策后需要对「用户」进行宣讲和影响，取得共识，这也是我们常说的沟通能力
另一方面，既然大型组织会越来越少，小型组织甚至solopreneur会越来越多，我们需要锻炼自己独当一面的能力，而不只是大厂里的一颗螺丝钉。
我们的技能树需要是「某个纵深的专业能力+会用 AI Agent 补上其他模块的能力」，这样一个人可以是 solopreneur，3-4 个人就可以互补成为一个商业组织，在未来更游刃有余
最后收尾总结
AutoGPT 具有接收模糊问题、任务拆解和自我成长能力，表现出了 High Level 人才的特征；但目前还有几个明显缺陷，需要在人类的监督下完成任务
AI Agent 会加速组织的小型化和 solopreneur 的涌现。作为个体，我们需要「某个纵深的专业能力+会用 AI Agent 补上其他模块的能力」，这样一个人可以是 solopreneur，3-4 个人就可以互补成为一个商业组织，在未来更游刃有余