🔄

အလိုအလျောက် GPT

AI အလုပ်လုပ်ကိုင်မှုနှင့်အန်ဂျင်နီယာများ

သင်သတ်မှတ်ထားတဲ့ရည်မှန်းချက်တွေကို autonomously အောင်မြင်ရန်အတူတကွ LLM "အတွေး" chains သော Autonomous AI အရာရှိ

ဖြန့်ချိမှုဆိုင်ရာ အချက်အလက်များ

ဖြန့်ကျက်ခြင်း: ၂-၅ မိနစ်
အမျိုးအစား: AI အလုပ်လုပ်ကိုင်မှုနှင့်အန်ဂျင်နီယာများ
အနည်းဆုံး RAM: 2048MB
ပံ့ပိုးမှု: မှတ်ပုံတင်နှင့်အီးမေးလ်

ဒီလမ်းညွှန်ကိုမျှဝေပါ

အကျဉ်းချုပ်

Auto-GPT သည် လူ့ကြီးကြပ်မှု အနည်းဆုံးဖြင့် ရှုပ်ထွေးသော အလုပ်များကို လုပ်ဆောင်နိုင်သော autonomous AI agent များကို သရုပ်ပြသည့် စမ်းသပ်ဆဲ open-source application ဖြစ်သည်။ large language model များပေါ်တွင် တည်ဆောက်ထားသော autonomous AI agent ၏ ပထမဆုံး ထင်ရှားသော အကောင်အထည်ဖော်မှုများထဲမှ တစ်ခုအနေဖြင့် Auto-GPT သည် AI စနစ်များ လူ၏ လမ်းညွှန်မှုမရှိဘဲ အဆင့်မြင့် ရည်မှန်းချက်များကို အဆင့်ဆင့် ခွဲခြားပြီး အလုပ်ဖြစ်စဉ်များကို စီစဉ်၊ လုပ်ဆောင်၊ ပြန်လည်ပြင်ဆင်နိုင်ကြောင်း ပြသသည်။

Auto-GPT ၏ အခြေခံတွင် GPT-4 ၏ အဆင့်မြင့် ဆင်ခြင်စွမ်းရည်ကို memory စနစ်၊ အင်တာနက် access နှင့် tool execution တို့နှင့် ပေါင်းစပ်ကာ အသုံးပြုသူသတ်မှတ်ထားသော ရည်မှန်းချက်များကို အလိုအလျောက် ပြည့်မီစေသည်။ အဆင့်ဆင့် ညွှန်ကြားချက် လိုအပ်သော ရိုးရာ AI လက်ထောက်များနှင့် မတူဘဲ Auto-GPT သည် agent ပုံစံဖြင့် လုပ်ဆောင်သည်။ ဥပမာ “competitors ကို သုတေသနပြုပြီး စျေးကွက်ခွဲခြမ်းစိတ်ဖြာ အစီရင်ခံစာ ရေးပါ” ဟူသော ရည်မှန်းချက်ကို ပေးပါက ၎င်းသည် သုတေသနအဆင့်များကို ကိုယ်တိုင် စီစဉ်၊ ဝဘ်ကို ရှာဖွေ၊ အချက်အလက်များကို ပေါင်းစပ်၊ မူကြမ်းများ ရေးသား၊ ကိုယ်တိုင် ဝေဖန်ကာ ရည်မှန်းချက်ပြည့်မီသည်အထိ ထပ်လုံးလည်ပတ်သည်။

ဤပလက်ဖောင်း၏ ဗိသုကာလက်ရာသည် ကိုယ်ပိုင်ဆုံးဖြတ်နိုင်သော အေးဂျင့် စွမ်းရည်အဓိကများကို အကောင်အထည်ဖော်ထားသည်။ ထိုစွမ်းရည်များတွင် ရည်မှန်းချက်ကို အဆင့်ခွဲခြင်း၊ လုပ်ဆောင်ချက် စီစဉ်ခြင်း၊ မှတ်ဉာဏ် စီမံခန့်ခွဲခြင်းနှင့် ကိုယ်တိုင် ပြန်လည်သုံးသပ်ခြင်းတို့ ပါဝင်သည်။ Auto-GPT သည် ရည်မှန်းချက်ကြီးများကို ခွဲခြမ်းပြီး လက်ရှိရရှိနိုင်သော ကိရိယာများ (ဝဘ်ရှာဖွေခြင်း၊ ဖိုင် လုပ်ဆောင်ချက်များ၊ ကုဒ် လည်ပတ်ခြင်း) ဖြင့် လုပ်ဆောင်ချက်များကို ဆောင်ရွက်သည်။ ရလဒ်များကို ခေတ္တနှင့် ရေရှည် မှတ်ဉာဏ် စနစ်များတွင် သိမ်းဆည်းပြီး တိုးတက်မှုကို အကဲဖြတ်ကာ ဗျူဟာကို ပြောင်းလဲညှိပေးသည်။

Auto-GPT ၏ မှတ်ဉာဏ်စနစ်သည် အဓိပ္ပာယ်တူညီမှုကို ရှာဖွေရန် vector database များနှင့် တည်ငြိမ်မှုအတွက် ရိုးရာဖိုင်အခြေခံ သိုလှောင်မှုကို ပေါင်းစပ်ထားသည်။ ၎င်းကြောင့် အေးဂျင့်သည် ယခင်အလုပ်များမှ သက်ဆိုင်ရာ အချက်အလက်များကို ပြန်လည်သတိရနိုင်ပြီး ယခင်အမှားများမှ သင်ယူကာ စုဆောင်းထားသော ဗဟုသုတကို စိန်ခေါ်မှုအသစ်များတွင် အသုံးချနိုင်သည်။ မှတ်ဉာဏ် နောက်ခံများတွင် ဒေသတွင်း သိုလှောင်မှု၊ Redis၊ Pinecone နှင့် အခြား vector database စနစ်များကို ထောက်ပံ့ပြီး အရွယ်အစားကြီးသော မှတ်ဉာဏ် စီမံခန့်ခွဲမှုကို ပံ့ပိုးသည်။

VPS hosting ပတ်ဝန်းကျင်များတွင် Auto-GPT ကို ကိုယ်တိုင် တပ်ဆင်ခြင်းဖြင့် API ကုန်ကျစရိတ်၊ ဒေတာ privacy နှင့် စိတ်ကြိုက်ပြင်ဆင်နိုင်မှုတို့ကို ထိန်းချုပ်နိုင်သည်။ အဖွဲ့အစည်းများသည် ကုမ္ပဏီပိုင် အချက်အလက်များကို တတိယပါတီ hosted အေးဂျင့် ပလက်ဖောင်းများသို့ မပို့ဘဲ ပြိုင်ဘက်သတင်း ရှာဖွေခြင်း၊ ဈေးကွက်သုတေသန အလိုအလျောက်လုပ်ဆောင်ခြင်း၊ အကြောင်းအရာ ဖန်တီးမှု လုပ်ငန်းစဉ်များ သို့မဟုတ် အတွင်းပိုင် ကိရိယာ ဖွံ့ဖြိုးတိုးတက်မှုကဲ့သို့ အထူးလုပ်ငန်းများအတွက် အေးဂျင့်များကို တပ်ဆင်နိုင်သည်။

ပလဂ်အင် စနစ်သည် ရပ်ရွာမှ ဖန်တီးထားသော ပလဂ်အင်များနှင့် စိတ်ကြိုက် ပလဂ်အင်များမှတစ်ဆင့် အေးဂျင့် စွမ်းရည်များကို တိုးချဲ့နိုင်စေသည်။ ပလဂ်အင်များသည် အေးဂျင့်များ အသုံးပြုနိုင်သော ကိရိယာနှင့် command အသစ်များကို ထည့်သွင်းပေးသည်။ ဥပမာ အီးမေးလ် ပေါင်းစပ်မှု၊ database ဝင်ရောက်မှု၊ API အပြန်အလှန် ဆက်သွယ်မှု သို့မဟုတ် အထူးခွဲခြမ်းစိတ်ဖြာနိုင်မှုများ ဖြစ်သည်။ ဤတိုးချဲ့နိုင်မှုကြောင့် Auto-GPT သည် လုပ်ငန်းလိုအပ်ချက်နှင့် ပေါင်းစပ်ရေး လိုအပ်ချက်များနှင့် ကိုက်ညီအောင် လိုက်လျောညီထွေ ပြင်ဆင်နိုင်သည်။

Auto-GPT ၏ ကိုယ်ပိုင်လည်ပတ်မှုတွင် ရည်ရွယ်ချက်မဲ့ လုပ်ဆောင်ချက်များကို တားဆီးရန် ဘေးကင်းရေး ယန္တရားများ ပါဝင်သည်။ ထိုယန္တရားများတွင် လူသား ခွင့်ပြုချက် မုဒ်များ၊ API ငွေကုန်ကျစရိတ် ဘတ်ဂျက် ကန့်သတ်ချက်များ၊ နှုန်းကန့်သတ်ချက်များနှင့် ကန့်သတ်ထားသော command လုပ်ဆောင်ခြင်းတို့ ပါဝင်သည်။ ဤကာကွယ်ချက်များသည် ရည်မှန်းချက်များကို ဆက်လက်လိုက်လံနေစဉ် မမျှော်လင့်သော ဆုံးဖြတ်ချက်များ သို့မဟုတ် မရည်ရွယ်သော လုပ်ဆောင်ချက်များ ချမှတ်နိုင်သော ကိုယ်ပိုင်စနစ် စမ်းသပ်ခြင်းများအတွက် အရေးကြီးသည်။

ဤစီမံကိန်းသည် လက်တွေ့ကိရိယာ ဖြစ်ရုံသာမက အေးဂျင့် ဗိသုကာများ၊ prompt ဒီဇိုင်း ပုံစံများ၊ မှတ်ဉာဏ် စနစ်များနှင့် ကိရိယာ အသုံးပြုမှု ဗျူဟာများကို စူးစမ်းရန် သုတေသနပလက်ဖောင်းလည်း ဖြစ်သည်။ ပွင့်လင်းသော source အသိုင်းအဝိုင်းက အေးဂျင့် ဆင်ခြင်ဉာဏ်၊ မှတ်ဉာဏ် ထိရောက်မှု၊ ကုန်ကျစရိတ် ချွေတာမှုနှင့် ဘေးကင်းရေး ယန္တရားများကို တိုးတက်အောင် ပံ့ပိုးပြီး ကိုယ်ပိုင် AI စနစ်များ၏ အဆင့်ကို မြှင့်တင်ပေးသည်။

Auto-GPT သည် ယုံကြည်စိတ်ချရမှု၊ ကုန်ကျစရိတ် ထိရောက်မှုနှင့် အလုပ်ပြီးမြောက်မှု နှုန်းတွင် ကန့်သတ်ချက်များ ရှိနေဆဲ စမ်းသပ်ဆဲ ဖြစ်သော်လည်း အမှန်တကယ် ကိုယ်ပိုင် AI စနစ်များဆီသို့ အရေးကြီးသော အဆင့်တစ်ခု ဖြစ်သည်။ လက်ရှိ အသုံးချမှုများသည် ထုတ်လုပ်မှု လုပ်ငန်းအရေးပါသော workflow များထက် သုတေသန အလိုအလျောက်လုပ်ဆောင်ခြင်း၊ အကြောင်းအရာ ဖန်တီးမှု အကူအညီနှင့် အေးဂျင့် ဗိသုကာ စမ်းသပ်ခြင်းများကို အဓိက ထားသည်။

အဓိကအင်္ဂါရပ်များ

ကိုယ်တိုင် လမ်းညွှန်မှု မလိုဘဲ ရည်မှန်းချက်ကို ဦးတည်ပြီး အလိုအလျောက် လုပ်ဆောင်သော အပြုအမူ

မြင့်မားသော ရည်မှန်းချက်များကို လုပ်ဆောင်နိုင်သော ခွဲငယ် လုပ်ငန်းများအဖြစ် ခွဲခြားပြီး သီးခြားစီ လုပ်ဆောင်ကာ ရည်မှန်းချက်ရောက်သည်အထိ ထပ်ခါထပ်ခါ ပြုလုပ်ပါ။

အင်တာနက် ဝင်ရောက်ခြင်းနှင့် ဝဘ်ရှာဖွေခြင်း

သတင်းအချက်အလက် ရှာဖွေခြင်း၊ ဝဘ်ဆိုဒ်များ ကြည့်ရှုခြင်း၊ သက်ဆိုင်ရာ ဒေတာ ထုတ်ယူခြင်းနှင့် တွေ့ရှိချက်များကို ပေါင်းစည်းခြင်းတို့ဖြင့် သုတေသနဆိုင်ရာ လုပ်ငန်းများကို အလိုအလျောက် ပြီးမြောက်စေပါ။

ရေရှည်နှင့် ခေတ္တ မှတ်ဉာဏ်

Vector database သိုလှောင်မှုဖြင့် ယခင်အလုပ်များမှ သက်ဆိုင်ရာ အချက်အလက်များကို semantic မှတ်ဉာဏ်အဖြစ် ပြန်လည်သတိရနိုင်စေသည်။ ယခင် အတွေ့အကြုံများမှ သင်ယူပြီး ဗဟုသုတကို စိန်ခေါ်မှုအသစ်များတွင် အသုံးချပါ။

ဖိုင် လုပ်ဆောင်ချက်များနှင့် ကုဒ် လည်ပတ်ခြင်း

ဖိုင်များ ဖတ်ခြင်း၊ ရေးခြင်းနှင့် တည်းဖြတ်ခြင်း၊ Python ကုဒ် လည်ပတ်ခြင်း၊ script များ ထုတ်လုပ်ခြင်းနှင့် ဒေတာကို programmatic နည်းဖြင့် စီမံခြင်းတို့ကို အလုပ်လုပ်ဆောင်ရာတွင် workflow၏ အစိတ်အပိုင်းအဖြစ် ပြုလုပ်ပါ။

တိုးချဲ့နိုင်မှုအတွက် ပလဂ်အင် စနစ်

ရပ်ရွာနှင့် စိတ်ကြိုက် ပလဂ်အင်များက အေးဂျင့် စွမ်းရည်ကို အီးမေးလ်၊ database၊ API နှင့် အထူးကိရိယာများဖြင့် တိုးချဲ့ပေးသည်။ အသုံးပြုမှု အခြေအနေများနှင့် ကိုက်ညီအောင် အေးဂျင့် လုပ်ဆောင်ချက်ကို လိုက်လျောညီထွေ ပြင်ဆင်ပါ။

ကိုယ်တိုင် ပြန်လည်သုံးသပ်ခြင်းနှင့် ထပ်ခါထပ်ခါ တိုးတက်ခြင်း

ကိုယ်ပိုင် စွမ်းဆောင်ရည်ကို အကဲဖြတ်ခြင်း၊ အမှားများကို ရှာဖွေခြင်း၊ ဗျူဟာများကို ပြင်ဆင်ခြင်းနှင့် အလုပ်ပြီးမြောက်မှု အောင်မြင်နှုန်းကို မြှင့်တင်ရန် ချဉ်းကပ်နည်းများကို ထပ်ခါထပ်ခါ ပြုလုပ်ခြင်း။

အသုံးပြုမှုအခြေအနေများ

- ဈေးကွက်သုတေသန အလိုအလျောက်လုပ်ဆောင်ခြင်း: ပြိုင်ဘက်ခွဲခြမ်းစိတ်ဖြာမှု ပြုလုပ်ခြင်း၊ လုပ်ငန်းဆိုင်ရာ ဒေတာ စုဆောင်းခြင်း၊ ဈေးကွက် အစီရင်ခံစာများ စုစည်းခြင်းနှင့် ဝဘ်ရင်းမြစ်များစွာမှ အမြင်များကို ပေါင်းစည်းခြင်း
- အကြောင်းအရာ သုတေသနနှင့် မူကြမ်းရေးဆွဲခြင်း: အကြောင်းအရာများကို သုတေသနပြုခြင်း၊ ရင်းမြစ်များ စုဆောင်းခြင်း၊ ဆောင်းပါး မူကြမ်းများ ရေးသားခြင်း၊ အချက်အလက်များ စစ်ဆေးခြင်းနှင့် အရည်အသွေး သတ်မှတ်ချက်များအပေါ် အခြေခံ၍ အကြောင်းအရာကို ထပ်ခါထပ်ခါ တိုးတက်အောင် ပြုလုပ်ခြင်း
- ကုဒ် ရေးသားခြင်းနှင့် ဆော့ဖ်ဝဲ ဖွံ့ဖြိုးတိုးတက်ခြင်း: ဆော့ဖ်ဝဲ လိုအပ်ချက်များကို ခွဲခြမ်းခြင်း၊ ကုဒ် အကောင်အထည်ဖော်မှုများ ထုတ်လုပ်ခြင်း၊ test များ ရေးသားခြင်း၊ error များကို debug လုပ်ခြင်းနှင့် ဖြေရှင်းချက်များကို ထပ်ခါထပ်ခါ တိုးတက်အောင် ပြုလုပ်ခြင်း
- ဒေတာ စုဆောင်းခြင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်း: ဝဘ်ဆိုဒ်များ၊ API များနှင့် စာရွက်စာတမ်းများမှ ဒေတာ စုဆောင်းခြင်း၊ ဒေတာကို ရှင်းလင်းပြီး ဖွဲ့စည်းခြင်း၊ ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် အနှစ်ချုပ် အစီရင်ခံစာများ ထုတ်လုပ်ခြင်း
- လုပ်ငန်းစဉ် အလိုအလျောက်လုပ်ဆောင်ခြင်း သုတေသန: အလိုအလျောက်လုပ်ဆောင်နိုင်သော အခွင့်အလမ်းများကို ဖော်ထုတ်ခြင်း၊ tooling ရွေးချယ်စရာများကို သုတေသနပြုခြင်း၊ ဖြေရှင်းချက်များကို အကဲဖြတ်ခြင်းနှင့် အကောင်အထည်ဖော်ပုံ နည်းလမ်းများကို မှတ်တမ်းတင်ခြင်း
- သင်ကြားခြင်းနှင့် စမ်းသပ်ခြင်း: ကိုယ်ပိုင် အေးဂျင့် စွမ်းရည်များကို စူးစမ်းခြင်း၊ prompt ပုံစံများကို စမ်းသပ်ခြင်း၊ မှတ်ဉာဏ် စနစ်များကို အကဲဖြတ်ခြင်းနှင့် agentic AI ဗိသုကာများကို သုတေသနပြုခြင်း

သွင်းနည်းလမ်းညွှန်

Auto-GPT ကို repository ကို clone လုပ်ခြင်းနှင့် လိုအပ်သော dependency များပါသည့် Python virtual environment ကို တည်ဆောက်ခြင်းဖြင့် တပ်ဆင်ပါ။ OpenAI API key၊ နှစ်သက်သော GPT model (gpt-4 သို့မဟုတ် gpt-3.5-turbo) နှင့် မှတ်ဉာဏ် နောက်ခံ၊ ဝဘ်ရှာဖွေရေး API နှင့် browser automation အတွက် ရွေးချယ်နိုင်သော ပြင်ဆင်ချက်များ ပါဝင်သည့် .env ဖိုင်ကို ဖန်တီးပါ။

မှတ်ဉာဏ် နောက်ခံကို .env ဖိုင်တွင် ပြင်ဆင်ပါ၊ ဒေသတွင်း ဖိုင် သိုလှောင်မှု၊ Redis၊ Pinecone သို့မဟုတ် အခြား vector database တို့ကြား ရွေးချယ်ပါ။ session များကြား ဆက်လက်တည်ရှိရန် လိုအပ်သော production အသုံးပြုမှုများအတွက် semantic မှတ်ဉာဏ် သိုလှောင်ရန် ပြင်ပ vector database ကို ပြင်ဆင်ပါ။

AI ပြင်ဆင်ချက်ကို သတ်မှတ်ပါ။ model ရွေးချယ်ခြင်း၊ temperature၊ လုပ်ဆောင်ချက်တစ်ခုစီအတွက် token အများဆုံး ကန့်သတ်ချက်နှင့် ကုန်ကျစရိတ် ထိန်းချုပ်ချက်များ ပါဝင်သည်။ ဆင်ခြင်ရန် လုပ်ငန်းများအတွက် SMART_LLM နှင့် ရိုးရှင်းသော လုပ်ဆောင်ချက်များအတွက် FAST_LLM ကို ပြင်ဆင်ပြီး စွမ်းဆောင်ရည်နှင့် ကုန်ကျစရိတ်ကို ဟန်ချက်ညီစေပါ။ session တစ်ခုလျှင် အများဆုံး ကုန်ကျစရိတ်ကို ကန့်သတ်ရန် OPENAI_API_BUDGET ကို သတ်မှတ်ပါ။

Auto-GPT ကို python -m autogpt ဖြင့် run ပါ၊ prompt တောင်းသောအခါ ရည်မှန်းချက် ဖော်ပြချက်ကို ထည့်ပါ။ အေးဂျင့်သည် ချဉ်းကပ်နည်းကို စီစဉ်ပြီး လုပ်ဆောင်ချက်များကို အကောင်အထည်ဖော်ကာ တိုးတက်မှုကို အစီရင်ခံသည်။ interactive မုဒ်တွင် လုပ်ဆောင်ချက်များအတွက် ခွင့်ပြုချက် တောင်းသည်။ အလိုအလျောက် လည်ပတ်ရန် continuous mode ကို ဖွင့်ပါက ခွင့်ပြုချက် prompt များကို ကျော်သွားမည် ဖြစ်သည် (production အတွက် အကြံမပြု)။

VPS တပ်ဆင်ရန်အတွက် Auto-GPT ကို output log မှတ်တမ်းတင်ထားသော background process အဖြစ် run ပါ၊ ပျက်ကွက်ပါက အလိုအလျောက် ပြန်စတင်ရန် systemd service ကို ပြင်ဆင်ပြီး API အသုံးပြုမှုနှင့် ကုန်ကျစရိတ်အတွက် စောင့်ကြည့်မှုကို အကောင်အထည်ဖော်ပါ။ ဘတ်ဂျက် အဆင့်များနှင့် error နှုန်းများအတွက် သတိပေးချက်များ သတ်မှတ်ပါ။

ဝဘ်ရှာဖွေရေး စွမ်းရည်ကို Google Custom Search API၊ SerpAPI သို့မဟုတ် Playwright/Selenium ဖြင့် ဝဘ်ဖြုတ်ယူခြင်းတို့ဖြင့် ပြင်ဆင်ပါ။ JavaScript ဖြင့် render လုပ်ထားသော အကြောင်းအရာ သို့မဟုတ် အပြန်အလှန် ဝဘ်ဆိုဒ် လမ်းကြောင်းရှာခြင်း လိုအပ်သော အလုပ်များအတွက် browser automation ကို ဖွင့်ပါ။

ပြုပြင်ထိန်းသိမ်းမှု အကြံပြုချက်များ

Auto-GPT ပြင်ဆင်ချက်ကို .env ဖိုင်နှင့် ai_settings.yaml မှတစ်ဆင့် စီမံသည်။ API ဝင်ရောက်ခွင့်အတွက် OPENAI_API_KEY ကို ပြင်ဆင်ပါ၊ GPT model ဗားရှင်းများ (SMART_LLM=gpt-4၊ FAST_LLM=gpt-3.5-turbo) ကို သတ်မှတ်ပြီး ဖန်တီးမှုနှင့် တသမတ်တည်း ဖြစ်မှုကြား ဟန်ချက်ညီစေရန် temperature ဆက်တင်များကို သတ်မှတ်ပါ။

MEMORY_BACKEND (local၊ redis၊ pinecone၊ weaviate) နှင့် သက်ဆိုင်ရာ ချိတ်ဆက်ပါရာမီတာများဖြင့် မှတ်ဉာဏ် နောက်ခံကို သတ်မှတ်ပါ။ shared vector database များကို အသုံးပြုသည့်အခါ namespace ခွဲခြားရန် MEMORY_INDEX ကို သတ်မှတ်ပါ။ Redis နောက်ခံအတွက် REDIS_HOST နှင့် REDIS_PORT၊ Pinecone အတွက် PINECONE_API_KEY ကို သတ်မှတ်ပါ။

ဘေးကင်းရေး ဆက်တင်များကို ပြင်ဆင်ပါ။ ထိုအထဲတွင် ကုဒ် လုပ်ဆောင်ခွင့်ကို ထိန်းချုပ်ရန် EXECUTE_LOCAL_COMMANDS၊ ဖိုင် လုပ်ဆောင်ချက်များကို sandbox ပြုလုပ်ရန် RESTRICT_TO_WORKSPACE၊ ခွင့်ပြုချက် prompt မပါဘဲ အလိုအလျောက် လည်ပတ်ရန် CONTINUOUS_MODE တို့ ပါဝင်သည်။ မမျှော်လင့်သော API ကုန်ကျစရိတ်များ မဖြစ်ပေါ်စေရန် OPENAI_API_BUDGET ကို သတ်မှတ်ပါ။

အကောင်းဆုံး လေ့ကျင့်ချက်များမှာ continuous mode မဖွင့်မီ interactive မုဒ်ဖြင့် အေးဂျင့် အပြုအမူကို အရင်လေ့လာခြင်း၊ စမ်းသပ်ချိန်တွင် ကန့်သတ်ထားသော API ဘတ်ဂျက်များ သတ်မှတ်ခြင်း၊ ကုန်ကျစရိတ် နည်းသောကြောင့် ကနဦး စမ်းသပ်မှုအတွက် GPT-3.5-turbo ကို အသုံးပြုခြင်း၊ token အသုံးပြုမှုကို စောင့်ကြည့်ပြီး နှုန်းကန့်သတ်ချက်များ အကောင်အထည်ဖော်ခြင်း၊ မှတ်ဉာဏ် သိုလှောင်မှုကို ပြန်လည်စစ်ဆေးပြီး သက်ဆိုင်မှုမရှိသော သို့မဟုတ် မှားနေသော အချက်အလက်များကို ဖယ်ရှားခြင်း၊ ဖိုင်စနစ် ဝင်ရောက်ခွင့် မရည်ရွယ်ဘဲ ရောက်မသွားစေရန် workspace ခွဲခြားမှုကို အကောင်အထည်ဖော်ခြင်း၊ tool ရှုပ်ထွေးမှု မဖြစ်စေရန် plugin များကို ရွေးချယ်အသုံးပြုခြင်း၊ debug နှင့် audit အတွက် လုပ်ဆောင်ချက်နှင့် ဆုံးဖြတ်ချက် အားလုံးကို မှတ်တမ်းတင်ခြင်း၊ ကြီးမားသော အလုပ်များမပြုလုပ်မီ သေးငယ်သော နယ်ပယ်တွင် ရည်မှန်းချက်များကို အပြည့်အဝ စမ်းသပ်ခြင်းနှင့် လုပ်ငန်းအရေးပါသော အလုပ်များအတွက် လူသား ကြီးကြပ်မှုကို ထိန်းသိမ်းခြင်း တို့ ဖြစ်သည်။ ထုတ်လုပ်ရေးနှင့် စမ်းသပ်ရေး ပတ်ဝန်းကျင်များအတွက် သီးခြား API key များကို ကုန်ကျစရိတ် ကန့်သတ်ချက်ဖြင့် သတ်မှတ်ပါ။ ရှည်လျားသော အလိုအလျောက် အလုပ်များအတွက် ပြည့်စုံသော error ကိုင်တွယ်မှုနှင့် ပြန်လည်ကောင်းမွန်စေမှု ယန္တရားများကို အကောင်အထည်ဖော်ပါ။ Auto-GPT သည် စမ်းသပ်ဆဲ ဖြစ်သည်။ ကျယ်ကျယ်ပြန့်ပြန့် စမ်းသပ်ခြင်းနှင့် အတည်ပြုခြင်း မရှိဘဲ production workflow များတွင် အသုံးမပြုရန် ရှောင်ကြဉ်ပါ။

နည်းပညာဆိုင်ရာလိုအပ်ချက်များ

စနစ်လိုအပ်ချက်များ

  • မှတ်ဉာဏ်: 2048RAM 1MB

ဤဆောင်းပါးကို အဆင့်သတ်မှတ်ပါ

★★★★★
-
ဖွင့်နေသည်...

သင့်အပလီကေးရှင်းကို ဖြန့်ကျက်ရန် အဆင်သင့်ဖြစ်ပြီလား။ အလိုအလျောက် GPT?

ကျွန်တော်တို့ရဲ့ရိုးရှင်းတဲ့ VPS ဖြန့်ချိလုပ်ငန်းစဉ်နှင့်အတူမိနစ်အနည်းငယ်အတွင်းစတင်

Deploy in about 2 minutes • Full root access • Support by ticket and email