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