AutoGPT | 岩石中应力诱发脆性破坏的原因
1 引言
随着ChatGPT的流行，一些研究者开发出AutoGPT，AgentGPT等，即首先给出一个初始的提示语(Prompt)，然后代码利用GPT技术把这个问题分解成若干个子任务与ChatGPT对话，然后根据对话结果，再分解成若干子任务作为提示语与ChatGPT对话，形成了机器自动完成的多轮对话。这种方法的优点是能够充分挖掘ChatGPT的潜能，快速形成一个主题的"头脑风暴法"，缺点是需要消耗大量的token，用不了几轮对话$10就消耗殆尽，因此在目前ChatGPT还未普及的状态下，个人使用可能负担不起这种自动化技术。
本文通过一个目标主题"岩石中应力诱发脆性破坏的原因(Causes of Stress-induced Brittle Failure in rock)"测试了AutoGPT的多轮对话效果。
2 测试过程
第一轮对话
当输入目标任务"岩石中应力诱发脆性破坏的原因", 首先分解为下面三个任务：
(1) 识别岩石中常见的应力引起的脆性破坏机制(failure mechanisms)
(2) 分析不同类型的应力对岩石强度和破坏的影响(different types of stress)
(3) 调查地质因素与岩石中应力引起的脆性破坏之间的关系(geological factors)
第二轮对话
对这三个子任务分别作答后，又提出下面三个新的子任务：
(1) 分析孔隙流体压力对岩石中应力诱发的脆性破坏的影响(pore fluid pressure)
(2) 检查各向异性在岩石中的应力诱发的脆性破坏中的作用(anisotropy)
(3) 调查温度变化对岩石中应力诱发的脆性破坏的影响(temperature changes)
第三轮对话
完成第二轮对话后，接着给出第三轮对话的子任务：
(1) 检查岩石纹理在应力引起的脆性破坏中的作用(rock texture)
(2) 分析应力率对岩石中应力诱发的脆性破坏的影响(stress rate)
(3) 调查应变率对岩石中应力诱发的脆性破坏的影响(strain rate)
3 真实的参考
[1] (1992) Flow measurements in the excavation-disturbed zone of room 209
[2] (2014) Characterizing the influence of micro-heterogeneity on the strength and fracture of rock using an FDEM-mu DFN approach
[3] (2014) Modeling of Stress-Induced Permeability Change with Progressive Damage in Intact Rock Using a Micro-Mechanical Approach
[4] (2015) Characterizing the influence of stress-induced microcracks on the laboratory strength and fracture development in brittle rocks
