清华开源通用智能体XAgent，登上GitHub热榜，目前为止已收获3K stars!

各种复杂任务都能自主解决，例如：让它使用python来分析给定的数据

通过这个案例可以看到，XAgent会分步逐一分析并解答问题，和之前的AutoGPT的运行机制很相像。

但在各项基准测试下，XAgent表现都完全优于AutoGPT、GPT-4。

XAgent简介

XAgent是一个开源的基于大型语言模型（LLM）的自主智能体，可以自动解决各种任务。

它被设计为一个通用的智能体，可以应用于各种任务。

官方给出的定义是“一个可以解决任何给定任务的超级智能智能体”

XAgent还具有以下特点：自主性、安全性、可扩展性、GUI、人机协同。

更多细节我们接着往下看。

案例1. 数据分析：展示双环机制的有效性

我们将使用一个简单的数据集iris.zip上传到XAgent，然后让XAgent分析数据集并生成一个报告。

XAgent将任务分解为4个子任务：（1）数据理解，（2）验证Python环境，（3）编写数据分析代码，（4）编写报告。这里是XAgent绘制的一张图：

案例2. 推荐：展示人机协同

XAgent不仅可以按照人类的要求来解决复杂的任务，并且在遇到困难时会积极寻求人类协助。

用户让XAgent推荐一些适合友好聚会的优秀餐厅，但未提供具体细节。

识别到提供的信息不足，XAgent利用了“请求人类帮助”工具，促使人类介入以获取用户的偏好位置、预算限制、烹饪偏好以及任何饮食限制。

凭借反馈信息，XAgent轻松地生成了定制的餐厅推荐。

案例3. 训练模型：高级工具使用者

在这里，我们展示了一个用户希望分析电影评论并评估特定电影周围公众情感的情景。

作为回应，XAgent 迅速启动了下载 IMDB 数据集的过程，以训练一款先进的 BERT 模型。

拥有了这个训练有素的 BERT 模型，XAgent 能够轻松地应对电影评论的复杂细节，提供关于公众对各种电影看法的见解性预测。

从这几个案例我们也清楚了XAgent 的5个特性，安全性表现在XAgent所有的行为都被限制在一个docker容器内。不用担心你的主机环境受到影响。

出自：https://mp.weixin.qq.com/s/p7AOT7pBPH1wCZ586AdIng