يعد Roy بديلاً خفيف الوزن لـ autogen
لتطوير أنظمة متقدمة متعددة الوكلاء باستخدام نماذج اللغة. ويهدف إلى تبسيط وإضفاء الطابع الديمقراطي على تطوير الذكاء الجماعي الناشئ.
نموذج ملحد : استخدم أي ماجستير في إدارة الأعمال، دون الحاجة إلى واجهات برمجة التطبيقات الخارجية. الإعدادات الافتراضية لنموذج بيثون المعالج المبرمج الكمي 4 بت لتحقيق الكفاءة.
وحدات وقابلة للتركيب : يقوم روي بتحليل تفاعلات الوكيل إلى وحدات بناء قابلة لإعادة الاستخدام - القالب، والاسترجاع، والتوليد، والتنفيذ.
شفافة وقابلة للتخصيص : كل طريقة لها غرض واضح. قم بتبديل المكونات بسهولة أو إضافة إمكانات جديدة.
git clone https://github.com/JosefAlbers/Roy
cd Roy
pip install -r requirements.txt
pip install -U transformers optimum accelerate auto-gptq --extra-index-url https://huggingface.github.io/autogptq-index/whl/cu118/
from roy import Roy
roy = Roy ()
استخدم القوالب لتنظيم المحادثات وتوفير السياق.
s = 'What date is today? Which big tech stock has the largest year-to-date gain this year? How much is the gain?'
roy . generate ( roy . format ( s ))
تعزيز الجيل بالمعرفة ذات الصلة.
s = 'Create a text to image generator.'
r = roy . retrieve ( s , n_topk = 3 , src = 'huggingface' )
[ roy . generate ( s ) for s in r ]
يتعاون الوكلاء في حلقات ضيقة لتحسين المخرجات بشكل متكرر وفقًا للمواصفات.
# Iterative multiturn chat style
s = "Create a secure and unique secret code word with a Python script that involves multiple steps to ensure the highest level of confidentiality and protection. n "
for i in range ( 2 ):
c = roy . generate ( s , prohibitions = [ 'input' ])
s += roy . execute ( c )
قياس الأداء والتكرار بسهولة على بنية النموذج الخاص بك:
مكونات المبادلة : نماذج اللغة، وتنسيقات المطالبة، وبنيات الوكيل وما إلى ذلك.
اختبار على مهام متنوعة : الحساب، وترميز لغة بايثون، وOpenAI's HumanEval وما إلى ذلك.
قياس التحسينات : تعرف على كيفية تأثير كل تغيير على الأداء العام.
from human_eval import evaluate
evaluate ( roy . generate )
يهدف روي إلى تسهيل ظهور أنظمة معقدة ومتعددة الوكلاء. وهو يستمد الإلهام من المفاهيم البيولوجية ومفاهيم الذكاء الاصطناعي لتمكين التنسيق اللامركزي والتعلم المستمر.
البقاء للأصلح - تقييم دوري للوكلاء ذوي الأداء العالي والاحتفاظ بهم بشكل انتقائي على أساس الدقة والسرعة وما إلى ذلك. ويتكيف الوكلاء من خلال التفاعلات مع الأقران.
مزيج من الخبراء - تعيين خبرة الوكيل، وتجميع الفرق المتخصصة ديناميكيًا، وتوجيه المهام إلى الخبراء الأمثل. صقل الخبراء وزيادةهم باستمرار.
وتعمل هذه الآليات على تسهيل ظهور مجموعات جماعية قادرة ومتكيفة وفعالة.
البدائيات المرنة لبناء النظم البيئية للوكلاء.
from roy import Roys
roys = Roys ()
# AutoFeedback
roys . create ( agents = { 'Coder' : 'i = execute(generate(i))' })
roys . start ( requests = { 'i' : 'Create a mobile application that can track the health of elderly people living alone in rural areas.' })
# Retrieval Augmented Generation
roys . create (
agents = {
'Retriever' : 'r = retrieve(i)' ,
'Generator' : 'o = generate(r)' ,
})
roys . start ( requests = { 'i' : 'Create a Deutsch to English translator.' })
# Providing a custom tool to one of the agents using lambda
roys . create (
agents = {
'Coder' : 'c = generate(i)' ,
'Proxy' : 'c = custom(execute(c))' ,
},
tools = { 'custom' : lambda x : f'Modify the code to address the error encountered: n n { x } ' if 'Error' in x else None })
roys . start ( requests = { 'i' : 'Compare the year-to-date gain for META and TESLA.' })
روي قيد التطوير النشط. نحن نرحب بالمساهمات - لا تتردد في فتح القضايا والعلاقات العامة!
إذا وجدت هذا المشروع مفيدًا أو مثيرًا للاهتمام وترغب في دعم المزيد من هذه التجارب، فلا تتردد في شراء قهوة لي!