2.1 KiB
2.1 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | |||||
|---|---|---|---|---|---|---|---|---|---|
| AUTOGPT-001 | 10_Wiki/💡 Topics/AI | 1.0 |
|
2026-04-26 |
Auto-GPT and Autonomous Agents (Auto-GPT와 자율 에이전트)
📌 한 줄 통찰 (The Karpathy Summary)
"모델에게 목표만 주면, 스스로 계획하고 도구를 써서 결과를 만들어낸다" — LLM의 추론 능력을 루프(Loop) 구조와 결합하여, 인간의 개입 없이도 인터넷 검색, 파일 쓰기, 코드 실행 등을 수행하며 복잡한 태스크를 완수하는 초기 자율 에이전트 모델.
📖 구조화된 지식 (Synthesized Content)
- 추출된 패턴: 사용자의 추상적 목표를 세부 작업으로 분해(Decomposition)하고, 외부 툴을 사용하여 각 단계를 실행한 뒤 결과를 다시 다음 계획에 반영하는 재귀적 목표 달성 패턴.
- 핵심 구성 요소:
- Thought/Reasoning: 다음 행동을 결정하는 논리적 판단.
- Plan: 목표 달성을 위한 단기/장기 로드맵.
- Criticism: 자신의 계획이나 결과물에 대한 비판적 검토.
- Long-term Memory: 벡터 DB 등을 활용하여 이전 작업 내용을 기억.
- Tooling: 웹 브라우징, 코드 실행, 파일 시스템 제어 등.
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 단순한 '대화' 위주의 챗봇에서, 실제 물리적/디지털 환경에 변화를 일으키는 '행동 주체'로 에이전트의 정의를 확장. 초기 모델은 무한 루프나 효율성 저하 문제가 있었으나 현재는 안정적인 워크플로우로 진화 중.
- 정책 변화: Antigravity 프로젝트는 Auto-GPT의 자율성 개념을 위키 가드닝 워크플로우에 이식하여, 에이전트가 스스로 보강이 필요한 문서를 식별하고 업데이트하도록 설계함.
🔗 지식 연결 (Graph)
- AI-Agents-Overview, Agentic-Workflow, Multi-Agent-Systems-MAS, RAG
- Raw Source: 10_Wiki/Topics/AI/Auto-GPT and Autonomous Agents.md