AgentLLM (مدل زبان بزرگ)

Agent-LLM یک مدل زبان بزرگ قدرتمند از GPT است که برای درک زبان در مقیاس بزرگ تنظیم شده است و این پتانسیل را دارد که پردازش زبان طبیعی را متحول کند.

AgentLLM

AgentLLM یک پلت‌فرم اتوماسیون هوش مصنوعی است که مدیریت دستورالعمل‌های هوش مصنوعی مؤثر را در بین تامین‌کنندگان متعددی امکان‌پذیر می‌سازد. نمایندگان ما حافظه تطبیقی ​​دارند و این راه حل سازگار شامل یک سیستم افزونه قوی است که طیف گسترده ای از دستورالعمل ها از جمله مرور وب را امکان پذیر می کند. AgentLLM به طور مستمر در حال گسترش است تا برنامه های متنوع را فعال کند، با پشتیبانی رو به رشد از ارائه دهندگان و مدل های متعدد هوش مصنوعی.

این را در داکر یا ماشین مجازی اجرا کنید

شما آزادید که این اخطار را نادیده بگیرید، اما اگر این کار را انجام دهید و هوش مصنوعی تشخیص دهد که بهترین اقدام برای ماموریت خود ایجاد فرمانی برای قالب‌بندی کل رایانه شما است، همه چیز به عهده شماست. بدانید که ما به این ترمینال دسترسی کامل بدون محدودیت را با طراحی داده ایم و هیچ برنامه ای برای نصب هیچ گونه حفاظتی نداریم. این پروژه می خواهد سبک وزن و سازگار باشد تا بهترین نتایج تحقیقاتی بالقوه را به دست آورد.

بر مصرف خود نظارت کنید

لطفاً به خاطر داشته باشید که استفاده از برخی از ارائه دهندگان هوش مصنوعی (مانند API GPT-4 OpenAI) ممکن است پرهزینه باشد! برای جلوگیری از پرداخت هزینه های غیرمنتظره، همیشه استفاده خود را کنترل کنید. به هیچ وجه مسئول استفاده شما نیست.

در حال توسعه

این پروژه هنوز در حال توسعه فعال است و ممکن است با عوارضی روبرو شود. اگر مشکلی دارید، ابتدا موارد باز را بررسی کنید. اگر مشکل شما در لیست نیست، لطفاً یک مشکل جدید ارسال کنید که در آن اشتباه یا مشکلی که با آن مواجه شده‌اید مشخص شود.

ویژگی های کلیدی AgentLLM

• مدیریت حافظه بلند مدت و کوتاه مدت که تطبیقی ​​است.
• برای بسیاری از مدل‌های هوش مصنوعی، یک سیستم پلاگین همه کاره با دستورات قابل توسعه در دسترس است.
• سازگاری با طیف گسترده ای از ارائه دهندگان هوش مصنوعی، از جمله: OpenAI GPT-3.5، GPT-4، Oobabooga Text Generation UI، Kobold، llama.cpp، FastChat، Google Bard
• قابلیت‌های مرور وب و اجرای فرمان.
• کمک به ارزیابی کد.
• استقرار داکر بدون درز است.
• ادغام چهره در آغوش برای تبدیل صدا به متن
• قابلیت همکاری با Twitter، GitHub، Google، DALL-E، و پلتفرم‌های دیگر.
• گزینه‌های تبدیل متن به گفتار عبارتند از Brian TTS، Mac OS TTS، و ElevenLabs.
• پشتیبانی از ارائه دهندگان و خدمات جدید هوش مصنوعی به طور مداوم در حال گسترش است.

همچنین می‌توانید نحوه استفاده از GPT خودکار و Agent GPT

ویژگی های برنامه وب

• مدیریت نمایندگان: مشاهده لیست عوامل موجود، افزودن نمایندگان جدید، حذف عوامل و جابجایی بین نمایندگان.
• اهدافی را تنظیم کنید: اهدافی را برای نماینده انتخاب شده وارد کنید.
• شروع کارها: به مدیر وظیفه دستور دهید تا بر اساس هدف مشخص شده اجرای وظایف را آغاز کند.
• دستورالعمل‌ها: با ارائه دستورالعمل‌ها و دریافت پاسخ با استفاده از یک رابط چت مانند، با ربات‌ها تعامل داشته باشید.
• فرمان‌های موجود: فهرستی از دستورات ممکن را مشاهده کنید و سپس روی یکی کلیک کنید تا آن را در قسمت‌های ورودی هدف یا دستورالعمل وارد کنید.
• حالت تاریک: بین تم‌های جلویی روشن و تاریک جابه‌جا شوید.
• توسعه یافته با NextJS و Material-UI
• نقاط پایانی API برای برقراری ارتباط با بخش پشتیبان استفاده می‌شود.

یک کلید OpenAI API دریافت کنید

1. یک کلید OpenAI API را از OpenAI دریافت کنید و آن را به  خود اضافه کنید. env فایل.
2. OPENAI_API_KEY را در فایل .env  خود با استفاده از .env.example به عنوان یک الگو.

wget https://raw.githubusercontent.com/Josh-XT/Agent-LLM/main/docker- compose.yml
wget https://raw.githubusercontent.com/Josh-XT/Agent-LLM/main/.env.example
mv .env.example .env

3. دستور Docker زیر را در پوشه با فایل .env  خود اجرا کنید:

docker compose up -d

4. دسترسی به رابط وب در http://localhost

مک دارید؟

اگر دستور بالا کار نکرد، باید docker compose را اجرا کنید تا بسازید.

docker compose -f docker-compose-mac.yml up -d

از OpenAI استفاده نمی کنید؟ مشکلی نیست!

برای شروع سریع این موارد، به نوت بوک های Jupyter نگاه کنید:

یادآوری:  این را در Docker یا ماشین مجازی اجرا کنید!

1. OpenAI
2. llamacpp
3. واسط کاربری وب تولید متن Oobabooga
4. ChatGPT
5. Google Bard

برای جزئیات بیشتر دستورالعمل‌های راه‌اندازی و پیکربندی، به بخش‌های زیر مراجعه کنید.

پیکربندی AgentLLM

AgentLLM از یک فایل پیکربندی .env  برای ذخیره تنظیمات مدل زبان هوش مصنوعی، کلیدهای API و گزینه‌های دیگر استفاده می‌کند. از  .env.example به‌عنوان الگویی برای ایجاد فایل .env  شخصی‌شده‌تان استفاده کنید. تنظیمات پیکربندی عبارتند از:

• INSTANCE CONFIG: نام عامل، هدف و وظیفه اولیه را تنظیم کنید.
• AI_PROVIDER: بین OpenAI، llama.cpp، یا Oobabooga برای ارائه‌دهنده هوش مصنوعی خود انتخاب کنید.
• AI_PROVIDER_URI: URI را برای ارائه دهندگان AI سفارشی مانند Oobabooga Text Generation Web UI (پیش‌فرض http://127.0.0.1:7860).
• MODEL_PATH: در صورت استفاده از llama.cpp یا سایر ارائه دهندگان سفارشی، مسیر را برای مدل AI تنظیم کنید.
• COMMANDS_ENABLED: پسوندهای فرمان را فعال یا غیرفعال کنید.
• تنظیمات حافظه: تنظیمات حافظه کوتاه مدت و بلند مدت را پیکربندی کنید.
• AI_MODEL: مدل هوش مصنوعی مورد استفاده را مشخص کنید (مانند gpt-3.5-turbo، gpt-4، text-davinci-003، Vicuna، و غیره).
• AI_TEMPERATURE: دمای هوش مصنوعی را تنظیم کنید (اگر مطمئن نیستید پیش فرض را بگذارید).
• MAX_TOKENS: حداکثر تعداد نشانه‌ها را برای پاسخ‌های هوش مصنوعی تنظیم کنید (پیش‌فرض 2000 است).
• WORKING_DIRECTORY: فهرست راهنمای کار نماینده را تنظیم کنید.
• EXTENSIONS_SETTINGS: تنظیمات OpenAI، Hugging Face، Selenium، Twitter و GitHub را پیکربندی کنید.
• VOICE_OPTIONS: برای تبدیل متن به گفتار، بین Brian TTS، Mac OS TTS یا ElevenLabs انتخاب کنید.

برای توضیح دقیق هر تنظیم، به فایل .env.example  ارائه شده در مخزن مراجعه کنید.

نقاط پایانی API

برای کنترل عوامل، درخواست‌ها و زنجیره‌ها، AgentLLM بسیاری از نقاط پایانی API را ارائه می‌کند.

برای کسب اطلاعات بیشتر در مورد نقاط پایانی API و نحوه استفاده از آنها، از اسناد API دیدن کنید.

این مستندات به صورت محلی میزبانی می‌شود، و این پیوندها تنها در صورتی کار می‌کنند که frontend در حال اجرا باشد.

توسعه عملکرد

فرمان ها

برای افزودن دستورات اضافی، یک فایل پایتون جدید در پوشه commands ایجاد کنید و کلاسی را اعلام کنید که کلاس Commands را گسترش دهد. عملکردهای مورد نیاز را به عنوان متدهای کلاس پیاده کنید و آنها را به فرهنگ لغت فرمان‌ها اضافه کنید.

ارائه دهندگان AI

برای تغییر ارائه‌دهندگان هوش مصنوعی، مقدار AI_PROVIDER را در فایل .env تغییر دهید. این نرم افزار با OpenAI، Oobabooga Text Generation Web UI و llama.cpp کار می کند. یک فایل پایتون جدید در پوشه provider ایجاد کنید و عملکرد مناسب را اجرا کنید.

این مقاله به شما کمک می کند تا در مورد AgentLLM بیاموزید. ما اطمینان داریم که برای شما مفید بوده است. لطفاً نظرات و انتقادات خود را در بخش نظرات زیر به اشتراک بگذارید.