现在将你的Cookie和Token添加到.env文件中。

🚀新增了使用Docker镜像并通过VSCode的Dev Container运行的功能。操作方法如下：

• 安装Docker Desktop
• 安装Visual Studio Code
• 打开Visual Studio，进入Extensions -> 搜索Dev Container -> 安装
• 重启Visual Studio
• 进入项目文件夹，右键点击并选择**“在Visual Studio Code中打开”**
• 系统会提示你是否要在Docker容器中重新打开
• 点击**“Reopen”，等待完成即可（需确保Docker Desktop已启动）**

立即在Colab运行😮 ⚠️ 滥用此工具需自行承担风险

或者在本地运行：

• 下载仓库免费AUTOGPT仓库
• 使用VSCode中的Dev Container安装，或运行python3 -m pip install -r requirements.txt
• 插入包含你Token的**.env文件**
• 如果看不到**.env文件**，请检查文件管理器中的“显示隐藏文件”选项
• 运行命令：python BABYAGI.py

https://user-images.githubusercontent.com/108482353/234963635-004adace-36ab-46de-9022-61858cd3dca4.mp4

立即在 Colab 上运行😮 ⚠️ 滥用此工具需自行承担风险

或在本地使用：

• 下载仓库 免费 AUTOGPT 仓库
• 使用 VSCode 中的 Dev Container 或 python3 -m pip install -r requirements.txt 进行安装
• 插入包含您 Token 的 .env 文件
• 如果看不到 .env 文件，请在文件管理器中启用“显示隐藏文件”
• 使用方法：python AUTOGPT.py

https://user-images.githubusercontent.com/108482353/234947600-1df35b1f-6505-40f9-be1d-3257a46eacf3.mp4

立即在 Colab 上运行😮 ⚠️ 滥用此工具需自行承担风险

或在本地使用：

• 下载仓库 免费 AUTOGPT 仓库
• 使用 VSCode 中的 Dev Container 或 python3 -m pip install -r requirements.txt 进行安装
• 切换到 OtherAgent/ 目录
• 选择或开发您的智能体 [ csvAgent.py ； pythonAgent.py ； customAgent.py ]
• 使用方法：python YourAgent.py

https://user-images.githubusercontent.com/108482353/235354639-998f0a40-3d2d-4f33-b187-17a3be8d7899.mp4

立即在 Colab 上运行😮 ⚠️ 滥用此工具需自行承担风险

或在本地使用：

• 下载仓库 免费 AUTOGPT 仓库
• python3 -m pip install -r requirements.txt
• streamlit run Camel.py

https://user-images.githubusercontent.com/108482353/235199747-c2dbdd27-80d6-4950-9cc6-7f140890f386.mp4

为了创建一个无需付费 API 或特定硬件的开源版 Autogpt，我们对 OpenAI 开发的语言模型 ChatGPT 进行了逆向工程。通过这种方式，我们得以免费使用 LangChain 的智能体和新技术。

随后，我们利用 LangChain 创建了一个自定义的 LLM 封装器，它可以作为即插即用的解决方案，与任何 LangChain 函数或工具配合使用 💡。

from FreeLLM import ChatGPTAPI 

# 使用您的 token 实例化一个 ChatGPT 对象
llm = ChatGPTAPI.ChatGPT((token="YOURTOKEN")  #用于开始新对话

# 如果您有 Plus 订阅，可以使用 GPT-4 模型
 llm = ChatGPTAPI.ChatGPT((token="YOURTOKEN", model="gpt4") # 需要 ChatGPT Plus 订阅

# 或者如果您想从现有对话开始
# llm = ChatGPTAPI.ChatGPT(token = "YOUR-TOKEN", conversation = "Add-XXXX-XXXX-Convesation-ID")


# 根据给定的提示生成回复
response = llm("你好，最近怎么样？")

# 打印回复
print(response)

以上代码片段展示了如何使用我们自定义的 ChatGPT LLM 类与语言模型进行交互。它需要来自 ChatGPT API 的 token，该 token 可以从 https://chat.openai.com/api/auth/session 获取。

请注意，ChatGPT API 对每个账户每小时的请求次数有限制，为 50 次 💣。因此，我们在 ChatGPT 类中实现了一个调用计数器，以防止超出此限制。

现已支持 HuggingChat LLM

from FreeLLM import HuggingChatAPI 

# 使用您的 token 实例化一个 HuggingChat 对象
llm = HuggingChatAPI.HuggingChat()  #用于开始新对话

# 根据给定的提示生成回复
response = llm("你好，最近怎么样？")

# 打印回复
print(response)

现已支持 Bing CHAT LLM

from FreeLLM import BingChatAPI 

# 使用您的 cookie 路径实例化一个 Bing CHAT 对象
llm=BingChatAPI.BingChat(cookiepath="cookie_path")  #用于开始新对话

# 如果您想设置对话风格
#llm=BingChatAPI.BingChat(cookiepath=cookie_path, conversation_style="creative") #conversation_style 必须是 precise、creative 或 balanced

# 如果您想启用 Microsoft Bing 的网络访问功能
#llm = =BingChatAPI.BingChat(cookiepath = "YOUR-COOKIE" , conversation_style = "precise" , search_result=True) #具有网络访问功能


# 根据给定的提示生成回复
response = llm("你好，最近怎么样？")

# 打印回复
print(response)

现已支持 Google BARD CHAT LLM

from FreeLLM import BardChatAPI 

# 使用您的 cookie 路径实例化一个 Bard CHAT 对象
llm=BardChatAPI.BardChat(cookie="cookie") #用于开始新对话

# 根据给定的提示生成回复
response = llm("你好，最近怎么样？")

# 打印回复
print(response)

我们相信，我们的开源版 Autogpt 将促进公平且多元化的 AI 技术获取途径，并赋能个人和小型企业，在无需大量资金投入的情况下开展创新的 AI 项目。

这是一个自定义智能体的示例，仅用不到 60 行代码即可实现，完全免费，具备以下功能：

• 互联网访问
• Python 代码执行
• 维基百科知识

from langchain.agents import initialize_agent #用于创建新智能体
from langchain.agents import Tool
from langchain.tools import BaseTool, DuckDuckGoSearchRun
from langchain.utilities import PythonREPL #用于执行 Python 脚本
from langchain.utilities import WikipediaAPIWrapper #用于获取维基百科信息
from langchain.tools import DuckDuckGoSearchTool #用于获取实时网络信息 (langchain==0.0.150)

from FreeLLM import ChatGPTAPI # 免费 ChatGPT API
#或者
from FreeLLM import HuggingChatAPI 
from FreeLLM import BingChatAPI 
from FreeLLM import BardChatAPI 


# 使用您的 token 实例化一个 ChatGPT 对象
llm = ChatGPTAPI.ChatGPT((token="YOURTOKEN")

# 或者使用 Bing CHAT
# llm = BingChatAPI.BingChat(cookiepath="cookie_path")

# 或者使用 Google BArd CHAT
# llm=BardChatAPI.BardChat(cookie="cookie") 

# 或者使用 HuggingChatAPI，如果您没有 ChatGPT、BING 或 Google 账户
# llm = HuggingChatAPI.HuggingChat()

# 定义工具
wikipedia = WikipediaAPIWrapper()
python_repl = PythonREPL()
search = DuckDuckGoSearchTool()

tools = [
    Tool(
        name = "python repl",
        func=python_repl.run,
        description="在需要使用Python回答问题时很有用。你应该输入Python代码"
    )
]

wikipedia_tool = Tool(
    name='wikipedia',
    func= wikipedia.run,
    description="当你需要在维基百科上查找主题、国家或人物时很有用"
)

duckduckgo_tool = Tool(
    name='DuckDuckGo搜索',
    func= search.run,
    description="当你需要在网络上搜索信息，而其他工具无法找到时很有用。请尽量具体地提供输入内容。"
)

tools.append(duckduckgo_tool)
tools.append(wikipedia_tool)


#创建代理
iteration = (int(input("请输入迭代次数：")) if input("您是否要设置迭代次数？(y/n): ") == "y" else 3)

zero_shot_agent = initialize_agent(
    agent="zero-shot-react-description", 
    tools=tools, 
    llm=llm,
    verbose=True,
    max_iterations=iteration,
)

# 循环启动你的自定义代理
print(">> 启动自定义代理")
print("> 输入'exit'退出，或输入您的任务或问题开始\n\n")
prompt = input("(输入您的任务或问题) >> ")
while prompt.toLowerCase() != "exit":
    zero_shot_agent.run(prompt)
    prompt = input("(输入您的任务或问题) >> ")
    
# 就这么简单 :)

• 视频演示
• 免费AUTOGPT仓库
• Camel项目
• BABY AGI
• AutoGPT
• 用于自定义LLM封装的Langchain

• https://github.com/hwchase17/langchain
• https://github.com/terry3041/pyChatGPT
• https://github.com/Soulter/hugging-chat-api
• https://github.com/Significant-Gravitas/Auto-GPT

本仓库与本GitHub仓库中所包含的API提供商无任何关联，亦未获得其认可。本项目仅用于教育目的。这仅仅是一个个人项目。 请注意以下几点：

1. 免责声明：本仓库中提及的API、服务及商标均属于其各自的所有者。本项目并未声称对它们拥有任何权利，也未与任何提及的提供商建立关联或获得其认可。

2. 责任：本仓库的作者对因使用或滥用本仓库或第三方API所提供的内容而产生的任何后果、损害或损失不承担任何责任。用户对其行为及其可能引发的任何后果负全部责任。我们强烈建议用户遵守各网站的服务条款。

3. 仅限教育用途：本仓库及其内容仅供教育使用。通过使用其中的信息和代码，用户即表示同意自行承担使用这些API和模型的风险，并承诺遵守所有适用的法律和法规。

4. 赔偿责任：用户同意就因使用或滥用本仓库、其内容或相关第三方API而产生或以任何方式与此相关的任何索赔、责任、损害、损失或费用（包括律师费和诉讼成本）对本仓库的作者进行赔偿、辩护并使其免受损害。

5. 更新与变更：作者保留随时修改、更新或删除本仓库中任何内容、信息或功能的权利，恕不另行通知。用户有责任定期查看本仓库的内容及其变更。

通过使用本仓库或与其相关的任何代码，即表示您同意这些条款。作者对其他用户制作的任何复制、分叉或重新上传的内容不承担任何责任。这是作者唯一的账号和仓库。为防止冒充或不负责任的行为，您可以遵守本仓库所采用的MIT许可证。