OptimAI python

أوبتيماي

OptimAI هي وحدة Python قوية مصممة لتحسين التعليمات البرمجية الخاصة بك من خلال تحليل أدائها وتقديم اقتراحات قابلة للتنفيذ. إنه يستفيد من نموذج اللغة الكبير (LLM) لتزويدك برؤى وتوصيات تفصيلية بناءً على بيانات ملفات التعريف التي تم جمعها أثناء تنفيذ التعليمات البرمجية الخاصة بك. تدعم هذه الوحدة أنواعًا مختلفة من ملفات التعريف من حزمة perfwatch.

سمات

• ديكورات مخصصة لتحسين الوظائف بسهولة.
• التكامل مع perfwatch لتحديد مواصفات الأداء.
• قم بالتقاط وتحليل stdout، ووقت تنفيذ الوظيفة، واستخدام الشبكة، واستدعاءات الوظائف، واستخدام وحدة المعالجة المركزية/وحدة معالجة الرسومات، وما إلى ذلك باستخدام perfwatch.
• التكامل السلس مع LLMs المختلفة لاقتراحات تحسين التعليمات البرمجية.
• دعم OpenAI وGoogle Gemini وHuggingFace (غير متصل بالإنترنت) وolma وAnthropic.
• مطالبات محسنة للحصول على أفضل أداء في أي LLM باستخدام dspy

تثبيت

يمكنك تثبيت OptimAI باستخدام النقطة:

pip install optimizeai

يثبت

لاستخدام OptimAI، تحتاج إلى تهيئته باستخدام موفر LLM المفضل لديك ومفتاح واجهة برمجة التطبيقات (API). يشمل موفرو LLM المدعومين Google (نماذج Gemini)، وOpenAI، وOllama، وHuggingFace، وAnthropic. بالنسبة لـ Ollama، يتعين عليك تثبيت Ollama ويجب أيضًا تنزيل عناصر النموذج مسبقًا.

1. حدد مزود LLM :

   • بالنسبة لنماذج Google Gemini: llm = "google"
   • بالنسبة لنماذج OpenAI: llm = "openai"
   • بالنسبة إلى Hugging Face دون الاتصال بالإنترنت: llm = "huggingface"
   • للنماذج الإنسانية: llm = "anthropic"
   • لنماذج Ollama المحلية: llm = "ollama"

2. اختر النموذج :

   • مثال: model = "gpt-4" أو model = "gemini-1.5-flash" أو model = "codegemma" أو أي نموذج آخر خاص بموفر LLM المختار.

3. قم بتعيين مفتاح واجهة برمجة التطبيقات :

   • استخدم مفتاح API المقابل لموفر LLM المحدد. لا يوجد مفتاح API مطلوب لـ Huggingface Inference وOllama المحلي.

رمز العينة

فيما يلي مثال أساسي يوضح كيفية استخدام OptimAI لتحسين إحدى الوظائف:

 from optimizeai . decorators . optimize import optimize
from optimizeai . config import Config
from dotenv import load_dotenv
import time
import os

# Load environment variables
load_dotenv ()
llm = os . getenv ( "LLM" )
key = os . getenv ( "API_KEY" )
model = os . getenv ( "MODEL" )

# Configure LLM
llm_config = Config ( llm = llm , model = model , key = key )
perfwatch_params = [ "line" , "cpu" , "time" ]

# Define a test function to be optimized
@ optimize ( config = llm_config , profiler_types = perfwatch_params )
def test ():
    for _ in range ( 10 ):
        time . sleep ( 0.1 )
        print ( "Hello World!" )
        pass

if __name__ == "__main__" :
    test ()

تحديد متغيرات البيئة

يمكنك ضبط متغيرات البيئة ( LLM , API_KEY , MODEL ) في ملف .env لسهولة الاستخدام:

 LLM=google
API_KEY=your_google_api_key
MODEL=gemini-1.5-flash

الميزات القادمة

• سياق محسّن لتحسين التعليمات البرمجية : قم بتحسين السياق المقدم إلى LLM للحصول على توصيات تحسين أكثر دقة وذات صلة.
• إنشاء التقرير : سيتم إنشاء تقرير التحسين المناسب.
• دعم تكوين أفضل : يأتي دعم تكوين أفضل يمكنك من خلاله تعيين معلمات LLM المختلفة.

المساهمة

نحن نرحب بالمساهمات في OptimAI! إذا كانت لديك فكرة لميزة جديدة أو عثرت على خطأ ما، فيرجى فتح مشكلة على GitHub. إذا كنت ترغب في المساهمة بالكود، يرجى تفرع المستودع وإرسال طلب سحب.

خطوات المساهمة

1. شوكة المستودع.
2. قم بإنشاء فرع جديد ( git checkout -b feature-branch ).
3. قم بإجراء التغييرات الخاصة بك.
4. قم بإجراء تغييراتك ( git commit -m 'Add new feature' ).
5. ادفع إلى الفرع ( git push origin feature-branch ).
6. افتح طلب السحب.

رخصة

تم ترخيص OptimAI بموجب ترخيص MIT. راجع ملف الترخيص لمزيد من التفاصيل.