BeeBot

BeeBot 是你的个人工蜂，一个旨在自主执行广泛实际任务的自主人工智能助手。

项目状态

BeeBot 的开发目前处于暂停状态。我认为当前的 LLM（截至 2023 年底）尚不具备胜任通用自主人工智能任务的能力。如果满足以下任一条件，我将重启项目：

• LLM 在结构化思维、可靠输出和遵循指令方面取得显著进步。
• 我能够开发或微调一个专门为自主人工智能任务训练的自定义模型。
• 我找到了 BeeBot 能够胜任的特定任务子集，并可以专注于该领域。（提示：不是编程）

请关注此页面，希望项目能重新启动。

功能特性

• 通过 AutoPack 选择工具，并能在任务执行过程中获取更多工具。
• 内置持久化存储。
• 符合 e2b 标准的 REST API。
• 一个 WebSocket 服务器，用于发布 BeeBot 内发生的所有事件。
• 可切换的文件系统模拟，支持将文件存储在内存、磁盘或数据库中。
• 用于管理任务的 Web 用户界面（即将推出）。
• 任务执行期间动态操作历史记录。
• 如果启用，可通过 Helicone 进行内置缓存。

安装

要开始使用 BeeBot，你可以克隆仓库到本地机器，并使用 poetry 安装其依赖项。具体步骤可能因本地开发环境而异。

git clone https://github.com/AutoPackAI/beebot.git
cd beebot
./setup.sh

Windows 系统官方不支持，但可能可以运行。欢迎提交 Windows 兼容性的 PR，但这不会是主要关注点。

持久化存储

持久化存储是必需的。虽然官方支持 SQLite 并在测试中使用，但强烈建议你通过 Docker 使用 Postgres，只需执行 docker compose up -d 即可。

运行

命令行界面

要使用 CLI，请运行：

poetry run beebot

API（通过 e2b）

要启动服务器，请运行：

uvicorn beebot.initiator.api:create_app --factory --timeout-keep-alive=300

如果你正在开发 BeeBot 本身，可能需要使用此命令：

uvicorn beebot.initiator.api:create_app --factory --reload  --timeout-graceful-shutdown=3 --timeout-keep-alive=300

然后，你可以使用以下命令调用 API：

要创建任务，请运行：

curl --request POST \
  --url http://localhost:8000/agent/tasks \
  --header 'Content-Type: application/json' \
  --data '{
    "input": "Write '\''hello world'\'' to hi.txt"
}'

你将收到类似这样的响应：

{
  "input": "Write 'hello world' to hi.txt",
  "task_id": "103",
  "artifacts": []
}

然后，要执行任务的一个步骤，请复制从上个请求中获取的 task_id 并运行：

curl --request POST \
  --url http://localhost:8000/agent/tasks/<task-id>/steps

WebSocket 连接

注意：通知功能目前正在重构，可能暂时无法使用

要接收 BeeBot 中所有数据模型的变更流，你可以在 /notifications 端点订阅 WebSocket 连接，主机/端口与 Web API 相同，例如 ws://localhost:8000/notifications。使用你喜欢的 WebSocket 测试工具来尝试。（我喜欢用 Insomnia）

Web 界面

我们正在使用 Node.js (Remix) 开发一个 Web 界面。

设计理念

BeeBot 的开发过程遵循特定的理念，强调塑造其开发和未来方向的关键原则。

优先级

BeeBot 的开发由以下优先级驱动，始终按此顺序：

1. 功能性：BeeBot 旨在在其预期能力范围内实现任务的高成功率。
2. 灵活性：BeeBot 力求适应广泛的任务范围，并随时间推移扩展该范围。
3. 可靠性：BeeBot 专注于可靠且可预测地完成已知任务。
4. 效率：BeeBot 旨在以最少的步骤执行任务，优化时间和资源使用。
5. 便捷性：BeeBot 旨在为任务自动化提供一个用户友好的平台。

原则

为了实现这些优先级，BeeBot 遵循以下原则：

• 工具导向：BeeBot 精心选择和描述工具，确保 LLM 能够可靠地使用它们。它使用 AutoPack 作为其工具包管理器。
• LLM 专业化：BeeBot 将利用最适合不同任务的各种 LLM，同时 OpenAI 的 LLM 仍将是规划和决策的主要模型。
• 功能与灵活性优先：BeeBot 优先考虑功能和灵活性，而不是开发人员的生活质量，这可能会限制对特定平台和其他部署便利性的支持。
• 非传统方法：BeeBot 采用非常规的开发方法来提高开发速度，例如没有单元测试。相反，使用端到端测试，确保整个系统按预期协同工作。
• 经过验证的概念：BeeBot 仅在证明新概念能增强其五个优先级后才采纳。因此，它没有复杂的记忆系统或思维树。

文档

有关 BeeBot 架构和未来计划的更多信息，请参阅 docs/ 目录。文档目前非常简略，但将随着项目的新见解和发展而不断完善。社区贡献和反馈非常受欢迎。