AutoGPT 全面教程：常用 API 串联与实战指南

各人好，我是jobleap.cn的小九。
AutoGPT 是一款基于大语言模子（LLM）的自主智能署理框架，可以或许自主规划、实行任务、调用工具并迭代优化效果，无需人工连续干预。本文将从环境搭建、核心 API 剖析到实战案例，全面教学 AutoGPT 的常用用法，串联其核心 API，资助你快速把握该框架的使用。
一、前置准备

1. 环境要求

• Python 版本：3.10+（AutoGPT 对 Python 版本兼容性要求较高）
  
• 依靠：OpenAI API 密钥（核心 LLM 驱动）、可选的第三方工具依靠（如 requests、beautifulsoup4 等）
  

2. 安装 AutoGPT

1. # 安装核心库
2. pip install autogpt==0.7.0  # 指定稳定版本，避免新版API变动
3. # 安装常用依赖（自定义工具/内存管理）
4. pip install python-dotenv requests beautifulsoup4 redis

复制代码

3. 设置 API 密钥

创建 .env 文件，设置 OpenAI API 密钥（AutoGPT 核心依靠 OpenAI LLM）：

1. # .env 文件内容
2. OPENAI_API_KEY=your_openai_api_key_here
3. OPENAI_API_BASE=https://api.openai.com/v1  # 国内用户可配置代理地址

复制代码

二、AutoGPT 核心 API 剖析

AutoGPT 的核心本领围绕「智能署理（Agent）」睁开，核心 API 包罗：初始化署理、目标设置、工具注册、内存管理、运行署理、日记设置等。
1. 初始化 AutoGPT 署理（核心 API）

AutoGPT 类是框架的核心，用于创建智能署理实例，参数决定署理的脚色、目标、资源限定等。
关键参数分析：

参数名作用示例ai_name署理名称"DataAnalystGPT"ai_role署理脚色形貌"专业的数据分析师，负责爬取数据并生因素析陈诉"goals署理目标列表（优先级从高到低）["爬取https://example.com/data的表格数据", "分析数据的趋势", "天生markdown格式陈诉"]api_budgetAPI 调用预算（美元）1.0memory内存实例（默认本地内存）LocalMemory()llm_providerLLM 提供商（默认 openai）"openai"代码示例：

1. from autogpt import AutoGPT
2. from autogpt.memory import LocalMemory
3. from dotenv import load_dotenv
5. # 加载.env中的API密钥
6. load_dotenv()
8. # 初始化内存（本地内存，可选Redis内存）
9. memory = LocalMemory()
11. # 初始化AutoGPT代理
12. agent = AutoGPT(
13.     ai_name="DataAnalystGPT",
14.     ai_role="专业的数据分析师，负责爬取指定网页数据、分析趋势并生成markdown报告",
15.     goals=[
16.         "爬取https://example.com/sample-data的HTML表格数据",
17.         "计算数据中每月销售额的平均值和增长率",
18.         "将分析结果生成名为sales_analysis.md的markdown报告",
19.         "报告保存到当前目录"
20.     ],
21.     api_budget=1.0,
22.     memory=memory
23. )

复制代码

2. 动态设置/修改署理目标（set_goals API）

若需在运行中修改署理目标，使用 set_goals 方法，覆盖原有目标列表。
代码示例：

1. # 动态修改目标（比如新增“发送报告到指定邮箱”）
2. new_goals = [
3.     "爬取https://example.com/sample-data的HTML表格数据",
4.     "计算每月销售额增长率",
5.     "生成sales_analysis.md报告",
6.     "将报告通过邮件发送到[email protected]"
7. ]
8. agent.set_goals(new_goals)

复制代码

3. 注册自界说工具（register_tool API）

AutoGPT 内置了文件使用、网页欣赏等根本工具，但实际场景需自界说工具（如爬虫、数据分析），通过 register_tool 注册自界说工具。
自界说工具开辟规范：

• 工具函数需用 @tool 装饰器标志；
  
• 函数需包罗清晰的形貌（供 LLM 明白工具用途）；
  
• 参数需明白范例和分析。
  

代码示例（自界说爬虫工具）：

1. from autogpt.tools.decorators import tool
2. import requests
3. from bs4 import BeautifulSoup
5. # 自定义工具：爬取网页表格数据
6. @tool("crawl_table_data", "爬取指定URL的HTML表格数据，返回结构化列表")
7. def crawl_table_data(url: str) -> list:
8.     """
9.     爬取指定URL的HTML表格数据，返回结构化的列表（每行数据为一个字典）
10.    
11.     参数:
12.         url (str): 目标网页URL
13.    
14.     返回:
15.         list: 表格数据，格式如[{"月份": "1月", "销售额": "10000"}, ...]
16.     """
17.     try:
18.         response = requests.get(url, timeout=10)
19.         response.raise_for_status()
20.         soup = BeautifulSoup(response.text, "html.parser")
21.         table = soup.find("table")
22.         if not table:
23.             return ["未找到表格数据"]
24.         
25.         # 解析表格头部
26.         headers = [th.text.strip() for th in table.find("thead").find_all("th")]
27.         # 解析表格行
28.         rows = []
29.         for tr in table.find("tbody").find_all("tr"):
30.             cells = [td.text.strip() for td in tr.find_all("td")]
31.             rows.append(dict(zip(headers, cells)))
32.         return rows
33.     except Exception as e:
34.         return [f"爬取失败：{str(e)}"]
36. # 注册自定义工具到代理
37. agent.register_tool(crawl_table_data)

复制代码

4. 内存管理 API（核心：add_memory/get_memory）

AutoGPT 通过内存生存任务上下文、工具调用纪录等，支持本地内存（LocalMemory）和 Redis 内存（RedisMemory），核心 API 包罗：
API 方法作用add_memory(content)向内存中添加内容get_memory(query)根据查询词检索内存内容clear_memory()清空内存代码示例：

1. # 手动添加内存（记录任务开始时间）
2. agent.memory.add_memory("2025-12-05 10:00:00 开始执行销售数据爬取任务")
4. # 检索内存（查看任务相关记录）
5. memory_results = agent.memory.get_memory("销售数据爬取")
6. print("内存检索结果：", memory_results)

复制代码

5. 运行署理 API（核心：run_continuous/run_once）

这是触发署理实行任务的核心 API，有两种运行模式：
方法作用实用场景run_continuous()连续运行，直到完玉成部目标或到达 API 预算全自动任务实行run_once()单次运行（实行一步思考+举措）调试/分步实行代码示例：

1. # 连续运行代理（直到完成所有目标）
2. print("开始执行AutoGPT代理任务...")
3. agent.run_continuous()

复制代码

6. 日记设置 API（set_logging_config）

AutoGPT 默认输出日记到控制台，可通过 set_logging_config 设置日记级别、输出文件等。
代码示例：

1. import logging
2. from autogpt.utils.logging import set_logging_config
4. # 配置日志：级别为INFO，输出到文件和控制台
5. set_logging_config(
6.     log_level=logging.INFO,
7.     log_file="autogpt_task.log"  # 日志保存到该文件
8. )

复制代码

三、实战案例：串联全部核心 API 完成完备任务

任务目标

创建一个 AutoGPT 署理，完成以下完备流程：

• 爬取指定网页的贩卖数据表格；
  
• 分析数据（盘算每月贩卖额增长率）；
  
• 天生 markdown 格式分析陈诉；
  
• 生存陈诉到本地；
  
• 纪录任务日记并通过内存生存上下文。
  

完备代码

1. # 1. 导入依赖
2. from autogpt import AutoGPT
3. from autogpt.memory import LocalMemory
4. from autogpt.tools.decorators import tool
5. from autogpt.utils.logging import set_logging_config
6. from dotenv import load_dotenv
7. import requests
8. from bs4 import BeautifulSoup
9. import logging
11. # 2. 基础配置
12. load_dotenv()  # 加载API密钥
13. set_logging_config(log_level=logging.INFO, log_file="sales_analysis.log")  # 配置日志
15. # 3. 自定义工具：爬取表格数据+数据分析
16. @tool("crawl_table_data", "爬取指定URL的HTML表格数据，返回结构化列表")
17. def crawl_table_data(url: str) -> list:
18.     """爬取指定URL的HTML表格数据，返回结构化字典列表"""
19.     try:
20.         response = requests.get(url, timeout=10)
21.         response.raise_for_status()
22.         soup = BeautifulSoup(response.text, "html.parser")
23.         table = soup.find("table")
24.         if not table:
25.             return ["未找到表格数据"]
26.         
27.         headers = [th.text.strip() for th in table.find("thead").find_all("th")]
28.         rows = []
29.         for tr in table.find("tbody").find_all("tr"):
30.             cells = [td.text.strip() for td in tr.find_all("td")]
31.             rows.append(dict(zip(headers, cells)))
32.         return rows
33.     except Exception as e:
34.         return [f"爬取失败：{str(e)}"]
36. @tool("calculate_growth_rate", "计算每月销售额增长率，输入为销售数据列表，返回带增长率的列表")
37. def calculate_growth_rate(sales_data: list) -> list:
38.     """
39.     计算每月销售额增长率，公式：(本月销售额-上月销售额)/上月销售额 * 100%
40.    
41.     参数:
42.         sales_data (list): 销售数据列表，格式如[{"月份": "1月", "销售额": "10000"}, ...]
43.    
44.     返回:
45.         list: 新增增长率字段的销售数据
46.     """
47.     try:
48.         # 转换销售额为数字
49.         for item in sales_data:
50.             item["销售额"] = float(item["销售额"].replace(",", ""))
51.         
52.         # 计算增长率
53.         for i in range(1, len(sales_data)):
54.             prev_sales = sales_data[i-1]["销售额"]
55.             curr_sales = sales_data[i]["销售额"]
56.             growth_rate = (curr_sales - prev_sales) / prev_sales * 100
57.             sales_data[i]["增长率(%)"] = round(growth_rate, 2)
58.         
59.         # 第一个月增长率为0
60.         sales_data[0]["增长率(%)"] = 0.0
61.         return sales_data
62.     except Exception as e:
63.         return [f"计算失败：{str(e)}"]
65. # 4. 初始化代理
66. memory = LocalMemory()
67. agent = AutoGPT(
68.     ai_name="SalesAnalystGPT",
69.     ai_role="专业的销售数据分析师，负责爬取销售数据、计算增长率并生成markdown报告",
70.     goals=[
71.         "调用crawl_table_data工具爬取https://example.com/sales-data的表格数据",
72.         "调用calculate_growth_rate工具计算每月销售额增长率",
73.         "生成包含月份、销售额、增长率的markdown分析报告",
74.         "将报告保存为sales_analysis.md到当前目录",
75.         "在内存中记录报告生成完成的时间"
76.     ],
77.     api_budget=2.0,
78.     memory=memory
79. )
81. # 5. 注册自定义工具
82. agent.register_tool(crawl_table_data)
83. agent.register_tool(calculate_growth_rate)
85. # 6. 运行代理
86. if __name__ == "__main__":
87.     print("=== 启动SalesAnalystGPT代理 ===")
88.     agent.run_continuous()
89.    
90.     # 运行完成后检索内存
91.     print("\n=== 内存中的任务记录 ===")
92.     memory_records = agent.memory.get_memory("报告生成")
93.     for record in memory_records:
94.         print(record)

复制代码

四、关键注意事项

• API 密钥权限：确保 OpenAI API 密钥有充足的额度，且支持 gpt-3.5-turbo/gpt-4（AutoGPT 优先使用 gpt-4 以包管自主本领）；
  
• 工具形貌的告急性：自界说工具的文档字符串（docstring）需清晰、具体，LLM 会根据形貌判定是否调用该工具；
  
• 内存选择：本地内存恰当单机调试，Redis 内存恰当分布式/恒久运行的署理；
  
• 目标计划原则：目标列表需清晰、可量化、优先级明白，克制暗昧形貌（如“分析数据”→“盘算每月贩卖额增长率”）；
  
• 调试本领：使用 run_once() 更换 run_continuous() 分步调试，检察署理的思考过程和工具调用逻辑。
  

五、扩展方向

• 集成更多工具：如数据库使用（SQLAlchemy）、邮件发送（smtplib）、Excel 处置惩罚（pandas）等；
  
• 切换 LLM 提供商：AutoGPT 支持 Azure OpenAI、Anthropic 等，只需修改 llm_provider 参数；
  
• 高级内存管理：使用 Pinecone/FAISS 向量数据库作为内存，提升上下文检索服从；
  
• 多署理协作：通过 AutoGPT 的多署理 API 实现分工协作（如爬代替理+分析署理+陈诉署理）。
  

通过以上教程，你已把握 AutoGPT 核心 API 的使用方法，并能串联全部常用 API 完成端到端的自主任务。AutoGPT 的核心代价在于“自主决定”，公道计划目标和工具，可大幅低极重复任务的人工资本。