前段時間，浙大微軟團隊提出的HuggingGPT在整個科技圈爆火。
這個大模型協作系統利用ChatGPT作為控制器，隨意呼叫HuggingFace中的各種模型，以實現多模態任務。
讓ChatGPT當「老闆」，已經成為許多人看好的方向。
這不，該來的還是來了...
#全球最熱門的AI社群HuggingFace官方出品「Transformers Agent」，透過控制10萬多個AI，也能實現魔法。
英偉達科學家Jim Fan稱讚道，這是向Everything App邁出的第一步，隨著生態系統的擴大，它的能力也不斷成長。
他繼續表示，HuggingGPT是這個想法首次大規模地展示，它使用GPT作為控制器，動態地選擇工具（模型）來解決多階段任務。
ChatGPT的「App Store」當然是AI工俱生態系統應用的一個實例。全新Transformers Agent讓你擁有超強buff，快速建構AI智能體。
用Transformers Agent，你可以張口來圖，還能讓它為你唸出來。
先來看看幾個例子~
<code>agent.run("Caption the following image", image=image)</code>
#第一個先從簡單的開始。輸入一張圖片然後配個解說，一隻可愛的河狸在水裡游泳（超可愛，想rua）。
<code>agent.run("Read the following text out loud", text=text)</code>
第二個也不難，簡簡單單文字轉語音。
<code>agent.run("In the following `document`, where will the TRRF Scientific Advisory Council Meeting take place?",document=document,)</code>
這個上了點難度。輸入的要求是，說出科學諮詢委員會會議將在哪裡舉辦。
當然對AI來說，檢索到最後一行也是找到了答案。
使用者在使用agent.run之前，需要將一個智能體實例化，也就是一個大型語言模型（LLM）。
研究人員提供了對OpenAI模型的支持，以及來自BigCode和OpenAssistant的開源替代品。
雖然OpenAI的模型效能更好，但使用者得有OpenAI的API金鑰，所以不是免費使用。
Hugging Face表示，正在提供BigCode和OpenAssistant等模型的免費存取端點。
首先，使用者需要安裝智能體附加程式。
<code>pip install transformers[agents]</code>
要想使用OpenAI的模型，使用者需要在安裝OpenAI dependency項目後實例化一個OpenAiAgent：
<code>pip install openaifrom transformers import OpenAiAgentagent = OpenAiAgent(model="text-davinci-003", api_key="<your_api_key>")</your_api_key></code>
使用者要使用BigCode或OpenAssistant的話，得先登錄，以便能夠存取API：
<code>from huggingface_hub import loginlogin("<your_token>")</your_token></code>然後，將智能體實例化：
<code>from transformers import HfAgent# Starcoderagent = HfAgent("https://api-inference.huggingface.co/models/bigcode/starcoder")# StarcoderBase# agent = HfAgent("https://api-inference.huggingface.co/models/bigcode/starcoderbase")# OpenAssistant# agent = HfAgent(url_endpoint="https://api-inference.huggingface.co/models/OpenAssistant/oasst-sft-4-pythia-12b-epoch-3.5")</code>這是在使用Hugging Face目前免費提供的推理API。如果使用者有自己的推理端點，就可以替換上面的URL。
StarCoder和OpenAssistant是免費使用的，在簡單的任務上表現得很好。
然而，在处理更复杂的提示时，检查点就不成立了。如果用户面临这样的问题，可以尝试一下OpenAI模型，虽然很遗憾它不是开源的，但胜在表现不错。
单一执行方法是在使用代理的run()方法时使用的：
<code>agent.run("Draw me a picture of rivers and lakes.")</code>它自动选择适合你要执行的任务的工具（或工具）并适当地运行它们。它可以在同一指令中执行一个或几个任务（你的指令越复杂，就越有可能失败）。
<code>agent.run("Draw me a picture of the sea then transform the picture to add an island")</code>
每个run()操作都是独立的，所以你可以用不同的任务连续运行几次。
请注意，用户的智能体只是一个大语言模型，所以prompt中的小变化可能产生完全不同的结果。尽可能清楚地解释要执行的任务是很重要的。
研究人员深入地讨论了如何写出更好的prompt。
如果你想在整个执行过程中保持一个状态，或者向智能体传递非文本对象，你可以通过指定变量来做到这一点。
例如，你可以生成第一张河流和湖泊的图片，并要求模型通过以下方式更新该图片以增加一个岛屿：
<code>picture = agent.run("Generate a picture of rivers and lakes.")updated_picture = agent.run("Transform the image in `picture` to add an island to it.", picture=picture)agent.chat("Generate a picture of rivers and lakes")</code>
这里让系统生成一张河流湖泊的照片。
<code>agent.chat("Transform the picture so that there is a rock in there")</code>
下一步，研究人员又让系统给原图中加一个岛屿。
当用户想保持跨指令的状态时，这是一个很有趣的方法。
它更适合于实验，但往往在单条指令而不是复杂指令方面会好很多。
如果你想传递非文本类型或特定的提示，这个方法也可以接受参数。
要了解如何自己设置远程执行器工具，研究人员建议用户阅读自定义工具指南。
为了与远程工具一起运行，在run()或chat()中指定remote=True就可以了。
例如，以下命令可以在任何设备上有效地运行，不需要大量的RAM或GPU：
<code>agent.run("Draw me a picture of rivers and lakes", remote=True)</code>对chat()来说也是一样的：
<code>agent.chat("Draw me a picture of rivers and lakes", remote=True)</code>网友表示，Transformers Agent就像AutoGPT一样。
还有人表示，Transformers Agent打开了自然语言编程的大门，可以想象，未来的操作系统就是智能模型，人类通过自然语言编排任务，越来越多的非开发者可以自己实现各种计算机应用。
Transformers Agents整体的运作流程简单分为四步：
设定目标、提供工具、展示示例、下达任务。
智能体会使用链式思考推理来确定其任务，并用提供的工具输出Python代码。
如何安装和使用，官方给出了具体步骤。
//m.sbmmt.com/link/e4f67a0e4293245fba713c412fc63e28
其中，这里的「智能体」指的是，一个大型语言模型。通过提示LLM，让其访问特定的一组工具。
因为LLM非常擅长生成较小的代码样本，所以API利用了这一点优势。
你可以用抱抱脸自家的OpenAssistant、StarCoder，甚至还可以用OpenAI的模型。
提示LLM给出一个小的代码样本，并用一组工具执行一个任务。这个提示包括，给智能体的任务，以及工具的描述。
这样，「智能体」就可以找到所使用工具的文档，特别是预期的输入和输出，并可以生成相关的代码。
而「工具」就非常好理解，是一个单独的函数，带有名称和描述。
然后，使用这些工具的描述来提示「智能体」，作用就在于可以像智能体展示如何用工具来执行查询中的请求内容。
再之后，通过利用Python解释器在与工具一起上传的一组输入中执行代码。
如果唯一调用的函数是你自己提供的工具和print函数，那么，开发者会在可执行内容上受到限制。当然了，抱抱脸社区的工具，是比较安全的。
除此之外，HuggingFace在Transformers Agents中还集成了以下工具：
- 文档问答：给定一个图像格式的文档（PDF），回答文档的问题（Donut）
- 文本问答：给定一个长文本和一个问题，回答文本中的问题（Flan-T5)
- 无条件给图像加标题：（BLIP）
- 图像问答：给定一个图像，回答关于这个图像的问题（VILT）
- 图像分割：给定一个图像和一个提示，输出该提示的分割掩码（CLIPSeg）
- 语音转文本：给定一个音频记录，将语音转录为文本（Whisper）
- 文本到语音：将文本转换为语音（SpeechT5）
- 零样本文本分类：给定一个文本和一列标签，确定该文本与哪个标签最对应（BART）
- 文本总结：用一个或几个句子来总结一个长文本（BART）
- 翻译：将文本翻译成一种语言（NLLB）
这些工具都内置在Transformers中，也可以手动使用，比如：
<code>from transformers import load_tooltool = load_tool("text-to-speech")audio = tool("This is a text to speech tool")</code>此外，还有一些定制的工具集成在Transformers Agents中，其中包括文本下载器、文本到图像的扩散模型stable diffusion、图像变换instruct pix2pix stable diffusion，以及文本到视频damo-vilab。
官方给出了一个自定义工具和提示的教程：
//m.sbmmt.com/link/735a8b95123648555736192cd3978bc1
如上，已经展示了如何使用Transformers Agents流程。
但是，智能体只生成代码，通过使用非常受限的Python解释器执行这些代码。
如果你希望使用在不同设置中生成的代码，可以提示智能体返回代码，对工具定义，并准确导入。
比如，根据以下步骤实现：
<code>agent.run("Draw me a picture of rivers and lakes", return_code=True)</code>返回以下代码：
<code>from transformers import load_toolimage_generator = load_tool("huggingface-tools/text-to-image")image = image_generator(prompt="rivers and lakes")</code>然后，你就可以修改和执行自己的工具了。
以上是人手AutoGPT！讓ChatGPT自選10萬+AI模型，HuggingFace官方出品的詳細內容。更多資訊請關注PHP中文網其他相關文章！
