AutoGPT（自主Agent平台）

# macOS / Linux 一键安装
curl -fsSL https://setup.agpt.co/install.sh -o install.sh && bash install.sh

# 或手动克隆并启动
git clone https://github.com/Significant-Gravitas/AutoGPT.git
cd AutoGPT/autogpt_platform
cp .env.example .env
# 编辑 .env 填入 OPENAI_API_KEY 等配置
docker compose up -d

pip install openai python-dotenv

import os
from openai import OpenAI

# 初始化客户端。
# 显式传入 api_key 便于读者看清配置来源；若环境变量已设置，也可直接写 OpenAI()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

class MiniAutoAgent:
    """
    最小自主 Agent：演示「思考-行动-反思」循环。
    给定目标后自动迭代执行，直到目标完成或达到上限。
    """

    def __init__(self, goal: str, max_steps: int = 3):
        self.goal = goal
        self.max_steps = max_steps
        self.history = []  # 执行历史
        self.messages = []  # 对话上下文

    def _format_history(self) -> str:
        """将历史记录转成纯文本，避免 Mock 对象进入 JSON 序列化。"""
        if not self.history:
            return "暂无"

        lines = []
        for item in self.history:
            step = item.get("step", "?")
            decision = str(item.get("decision", ""))
            result = str(item.get("result", ""))
            lines.append(f"- 第 {step} 步：决策={decision}；结果={result}")
        return "\n".join(lines)

    def think(self) -> str:
        """思考阶段：根据目标和历史决定下一步。"""
        prompt = (
            f"你是一个自主 Agent。目标：{self.goal}\n"
            f"已完成步骤：\n{self._format_history()}\n"
            f"可用工具：web_search（搜索）、write_file（写文件）、analyze（分析数据）\n"
            f"请决定下一步行动，格式：[工具] 具体操作说明"
        )
        self.messages.append({"role": "user", "content": prompt})
        resp = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=self.messages,
            max_tokens=200,
        )
        decision = resp.choices[0].message.content or "[analyze] 继续拆解目标并总结当前信息"
        self.messages.append({"role": "assistant", "content": decision})
        return decision

    def act(self, decision: str) -> str:
        """行动阶段：模拟工具执行（实际项目中对接真实工具）。"""
        if "web_search" in decision:
            return "搜索完成：找到 5 条相关结果"
        if "write_file" in decision:
            return "文件写入成功：report.md"
        if "analyze" in decision:
            return "分析完成：提取出 3 个关键结论"
        return "执行完成"

    def run(self):
        """启动反馈循环。"""
        print(f"目标：{self.goal}")
        print(f"最大步数：{self.max_steps}")
        print("-" * 40)

        for step in range(1, self.max_steps + 1):
            # 思考
            decision = self.think()
            print(f"[步骤 {step}] 决策：{decision[:80]}")

            # 行动
            result = self.act(decision)
            print(f"         结果：{result}")

            # 记录历史
            self.history.append(
                {"step": step, "decision": decision[:50], "result": result}
            )

        print("-" * 40)
        print(f"执行完毕，共 {len(self.history)} 步")
        return self.history

if __name__ == "__main__":
    agent = MiniAutoAgent(
        goal="调研主流 Agent 框架，写一份 300 字对比摘要",
        max_steps=3,
    )
    agent.run()

目标：调研主流 Agent 框架，写一份 300 字对比摘要
最大步数：3
----------------------------------------
[步骤 1] 决策：[web_search] 搜索主流 Agent 框架（LangChain、AutoGen、CrewAI）的核心特点
         结果：搜索完成：找到 5 条相关结果
[步骤 2] 决策：[analyze] 对比搜索结果，提取各框架的定位、优势和适用场景
         结果：分析完成：提取出 3 个关键结论
[步骤 3] 决策：[write_file] 将对比摘要写入 report.md
         结果：文件写入成功：report.md
----------------------------------------
执行完毕，共 3 步