AutoGPT 自主智能体

在 Clore.ai 上部署 AutoGPT——运行原始的自主 AI 智能体平台，支持网页浏览、代码执行和长周期任务自动化。

概览

AutoGPT 是开创性的开源自主 AI 代理平台，拥有 175K+ GitHub 星标 —— 是 GitHub 上星标最多的仓库之一。最初是 2023 年走红的 Python CLI 工具，AutoGPT 已演变为具有 Web 前端、可视化工作流构建器、多代理编排以及自我改进代理基准套件的全功能平台。

当前的 AutoGPT 平台由以下部分组成：

• 前端 —— Next.js 可视化代理构建器（端口 3000）

• 后端 / API —— 处理代理执行的 FastAPI 服务（端口 8000）

• 代理执行器 —— 运行自治任务循环的 Python 工作进程

• Postgres —— 用于代理状态与运行的持久化存储

• Redis —— 作业队列与发布/订阅

• Minio —— 用于代理产物的兼容 S3 的对象存储

在 Clore.ai，AutoGPT 完全在 CPU 上运行（将 LLM 调用委托给云端 API），使其在以下成本下实惠可用： 每小时 $0.05–0.20。您可以选择通过其兼容 OpenAI 的提供者支持集成本地模型。

主要功能：

• 🤖 自治代理 —— 代理将任务分解为子目标并迭代执行它们

• 🌐 网页浏览 —— 代理可以搜索网络、抓取页面并综合信息

• 💻 代码执行 —— 为编程代理提供沙箱化的 Python 执行环境

• 📁 文件操作 —— 在任务执行过程中读取、写入和管理文件

• 🔗 多代理 —— 生成专门的子代理并分层编排它们

• 🧠 长期记忆 —— 基于向量的记忆，跨会话持久化

• 📈 代理基准测试 —— 内置的 AgentBenchmark 套件用于评估代理性能

---

要求

AutoGPT 的计算需求取决于您是使用云端 LLM API（默认）还是本地模型。平台本身是轻量的。

配置	GPU	显存	系统内存	磁盘	Clore.ai 价格
最小 （云端 API）	无 / 仅 CPU	—	4 GB	20 GB	约 $0.05/小时（CPU）
标准	无 / 仅 CPU	—	8 GB	40 GB	约 $0.08/小时
推荐	无 / 仅 CPU	—	16 GB	60 GB	约 $0.12/小时
+ 本地 LLM（Ollama）	速度	24 GB	16 GB	80 GB	~$0.20/小时
+ 大型本地 LLM	A100 40 GB	40 GB	32 GB	100 GB	约 $0.80/小时

注意： AutoGPT 默认使用基于 API 的 LLM（如 OpenAI GPT-4、Anthropic Claude 等）。只有在您通过 Ollama 或其他兼容 OpenAI 的服务器配置本地模型端点时，GPU 才有用。

需要 API 密钥

您至少需要以下其中之一：

• OpenAI API 密钥 （建议使用 GPT-4o 以获得最佳代理性能）

• Anthropic API 密钥 （Claude 3.5 Sonnet 对代理非常出色）

• Google AI 密钥 （支持 Gemini 模型）

---

快速开始

1. 租用 Clore.ai 服务器

登录到 clore.ai 并启动具有以下配置的服务器：

• 2+ 个 CPU 内核，8 GB 内存 最低要求

• 暴露的端口 8000 （后端 API）和 3000 （前端）

• 启用 SSH 访问

• 20+ GB 磁盘空间

2. 连接到服务器

ssh root@<clore-server-ip> -p <ssh-port>

# 更新软件包
apt-get update && apt-get upgrade -y

# 验证 Docker 和 Compose
docker --version
docker compose version   # 必须是 v2.x

3. 克隆并配置 AutoGPT

# 克隆仓库
git clone https://github.com/Significant-Gravitas/AutoGPT.git
cd AutoGPT/autogpt_platform

# 复制环境模板
cp .env.example .env

# 编辑环境文件
nano .env

4. 设置必需的环境变量

# .env 中的最低要求：

# ── LLM 提供者（至少选择一个） ────────────────────────────────────────
OPENAI_API_KEY=sk-...
# ANTHROPIC_API_KEY=sk-ant-...

# ── 密钥（请更改这些） ──────────────────────────────────────────────────
APP_SECRET_KEY=$(openssl rand -hex 32)
JWT_SECRET_KEY=$(openssl rand -hex 32)

# ── 数据库 ─────────────────────────────────────────────────────────────────
DATABASE_URL=postgresql://postgres:password@db:5432/autogpt

# ── 后端 URL（设置为您的 Clore 服务器 IP） ────────────────────────────────
NEXT_PUBLIC_AGPT_SERVER_URL=http://<clore-server-ip>:8000/api

5. 构建并启动

# 构建镜像并启动所有服务（第一次运行需 5-10 分钟）
docker compose up -d --build

# 观察构建和启动进度
docker compose logs -f

# 启动后，验证所有容器均在运行
docker compose ps

6. 验证服务健康状态

# 检查每个服务
docker compose ps

# 预期的运行服务：
# autogpt_platform-db-1        Up (healthy)
# autogpt_platform-redis-1     Up
# autogpt_platform-minio-1     Up
# autogpt_platform-backend-1   Up
# autogpt_platform-frontend-1  Up
# autogpt_platform-executor-1  Up

# 测试后端 API
curl http://localhost:8000/api/health
# 预期：{"status": "ok"}

7. 访问 AutoGPT

在浏览器中打开：

• 前端： http://<clore-server-ip>:3000

• 后端 API： http://<clore-server-ip>:8000

• API 文档（Swagger）： http://<clore-server-ip>:8000/docs

在前端创建账号，在设置中配置您的 LLM 提供者，然后开始构建代理。

---

配置

完整 .env 参考

# ── 应用配置 ──────────────────────────────────────────────────────────────
ENVIRONMENT=production
APP_SECRET_KEY=<使用 openssl rand -hex 32 生成>
JWT_SECRET_KEY=<使用 openssl rand -hex 32 生成>
ALLOWED_ORIGINS=http://<clore-server-ip>:3000

# ── LLM 提供者 ────────────────────────────────────────────────────────────
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
GROQ_API_KEY=gsk_...

# ── 兼容 OpenAI（用于通过 Ollama/vLLM 使用本地模型） ────────────────────
OPENAI_API_BASE=http://localhost:11434/v1   # Ollama 的兼容 OpenAI 端点
OPENAI_API_KEY=ollama                        # Ollama 用的虚拟密钥

# ── 数据库 ─────────────────────────────────────────────────────────────────
DATABASE_URL=postgresql://postgres:password@db:5432/autogpt
POSTGRES_USER=postgres
POSTGRES_PASSWORD=password    # 在生产环境中请更改！
POSTGRES_DB=autogpt

# ── Redis（作业队列） ────────────────────────────────────────────────────────
REDIS_URL=redis://redis:6379/0

# ── Minio（对象存储） ──────────────────────────────────────────────────
MINIO_ROOT_USER=minioadmin
MINIO_ROOT_PASSWORD=minioadmin   # 在生产环境中请更改！
MINIO_URL=http://minio:9000

# ── 前端 ─────────────────────────────────────────────────────────────────
NEXT_PUBLIC_AGPT_SERVER_URL=http://<clore-server-ip>:8000/api
NEXTAUTH_SECRET=<使用 openssl rand -hex 32 生成>
NEXTAUTH_URL=http://<clore-server-ip>:3000

自定义代理能力

# 启用网页浏览功能
WEB_BROWSER_ENABLED=true
SELENIUM_CHROME_DRIVER_URL=http://selenium:4444/wd/hub

# 在 docker-compose 中添加 Selenium 以启用网页浏览：
# services:
#   selenium:
#     image: selenium/standalone-chrome:latest
#     shm_size: 2gb
#     ports:
#       - "4444:4444"

# 文件系统访问（代理工作区）
WORKSPACE_PATH=/workspace
RESTRICT_TO_WORKSPACE=true

管理代理执行器扩展

# 为并行代理运行扩展执行器工作进程
docker compose up -d --scale executor=4

# 监控执行器日志
docker compose logs -f executor

---

GPU 加速

AutoGPT 默认将所有 LLM 推理委托给外部提供者。要使用本地 GPU 加速模型：

连接到与服务器相同主机上的 Ollama

# 在 Clore 服务器上安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 拉取可用模型（Llama 3 70B 需要 A100，8B 可在 RTX 3090 上运行）
ollama pull llama3:8b
# 为获得最佳代理性能：
ollama pull llama3.1:70b   # 需要 A100 40GB 及以上

# 使 Ollama 可被 Docker 容器访问
OLLAMA_HOST=0.0.0.0 ollama serve &

# 测试兼容 OpenAI 的端点
curl http://localhost:11434/v1/models

在 .env，将 AutoGPT 指向 Ollama：

OPENAI_API_BASE=http://host.docker.internal:11434/v1
OPENAI_API_KEY=ollama
OPENAI_DEFAULT_MODEL=llama3.1:70b

性能说明： 自治代理会进行大量连续的 LLM 调用。RTX 3090 上的本地模型（约 30 tok/s）可用，但 A100 80GB 可实现更快的迭代。参见 GPU 对比.

针对代理的本地模型推荐

A100	代理质量	显存	Clore GPU
Llama 3 8B	一般	8 GB	RTX 3080
Llama 3.1 8B Instruct	良好	8 GB	RTX 3080
Llama 3.1 70B	优秀	40 GB	按日费率
Mixtral 8x7B	良好	24 GB	速度
Qwen 2.5 72B	优秀	40 GB	按日费率

---

提示与最佳实践

在 Clore.ai 上的成本管理

# AutoGPT 最大的成本通常是 LLM API 调用，而非计算资源
# 在代理配置中设置 token 预算限制：
# MAX_TOKENS_PER_RUN=100000
# MAX_COST_PER_RUN=1.00   # 美元

# 在停止 Clore 实例前备份代理状态
docker exec autogpt_platform-db-1 \
  pg_dump -U postgres autogpt | gzip > autogpt-backup-$(date +%Y%m%d).sql.gz

# 复制到本地机器
scp -P <port> root@<ip>:autogpt-backup-*.sql.gz ./

更新 AutoGPT

cd AutoGPT

# 拉取最新更改
git pull origin master

cd autogpt_platform

# 使用新代码重建
docker compose down
docker compose up -d --build

# 如有需要，运行数据库迁移
docker compose exec backend alembic upgrade head

监控代理运行

# 观察后端日志以了解代理活动
docker compose logs -f backend executor

# 在代理运行期间监控系统资源
htop
# 或
docker stats

# 通过 API 查看代理运行历史
curl http://localhost:8000/api/v1/runs | python3 -m json.tool

安全加固

# 切勿在无认证的情况下将端口 8000/3000 直接暴露到互联网
# 使用 Nginx 或 Caddy 作为带 HTTPS 的反向代理：

# Caddyfile：
# autogpt.yourdomain.com {
#     reverse_proxy localhost:3000
# }
# api.autogpt.yourdomain.com {
#     reverse_proxy localhost:8000
# }

# 限制代理的文件系统访问
RESTRICT_TO_WORKSPACE=true
WORKSPACE_PATH=/agent-workspace

# 初始设置完成后禁用用户注册
ALLOW_SIGNUP=false

优化构建时间

# 首次构建较慢（约 10 分钟）；后续构建会使用缓存
# 使用 BuildKit 以加快构建：
DOCKER_BUILDKIT=1 docker compose up -d --build

# 预拉取基础镜像以加快构建速度
docker pull python:3.11-slim
docker pull node:20-alpine

---

# 使用固定种子以获得一致结果

构建因内存不足失败

# Docker 构建需要足够内存（4GB+）
# 如有需要，添加交换空间：
fallocate -l 8G /swapfile
chmod 600 /swapfile
mkswap /swapfile
swapon /swapfile

# 使其永久生效
echo '/swapfile none swap sw 0 0' >> /etc/fstab

后端返回 500 / “数据库未就绪”

# 检查数据库健康状态
docker compose ps db
docker compose logs db

# 手动运行数据库迁移
docker compose exec backend alembic upgrade head

# 如果迁移失败，请检查 .env 中的 DATABASE_URL
docker compose exec backend printenv DATABASE_URL

前端显示“无法连接到后端”

# 验证 NEXT_PUBLIC_AGPT_SERVER_URL 是否设置正确
grep NEXT_PUBLIC_AGPT_SERVER_URL .env

# 必须是公网 IP，而不是 localhost（浏览器会发起该请求）
NEXT_PUBLIC_AGPT_SERVER_URL=http://<clore-server-ip>:8000/api

# 更改该环境变量后需重建前端
docker compose up -d --build frontend

代理执行器崩溃 / 被 OOM 杀死

free -h
docker stats autogpt_platform-executor-1

# 限制执行器内存并添加重启策略
# 在 docker-compose.yaml 中：
#   executor:
#     mem_limit: 2g
#     restart: unless-stopped

# 或减少并发代理运行数
MAX_CONCURRENT_RUNS=2

Redis 连接被拒绝

# 检查 Redis 是否在运行
docker compose ps redis
docker compose logs redis

# 从后端测试连通性
docker compose exec backend redis-cli -h redis ping
# 预期：PONG

# 如果 Redis 需要认证，请设置：
REDIS_URL=redis://:password@redis:6379/0

代理陷入循环

# AutoGPT 代理有时会进入无限循环
# 设置最大循环次数限制：
MAX_AGENT_CYCLES=50

# 或通过 API 中断正在运行的代理：
curl -X POST http://localhost:8000/api/v1/runs/<run-id>/stop

---

延伸阅读

• AutoGPT 官方文档

• AutoGPT GitHub 仓库

• AutoGPT 平台安装指南

• 在 Clore.ai 上运行 Ollama

• 在 Clore.ai 上运行 vLLM

• Clore.ai GPU 对比

• AutoGPT Discord 社区