الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل
everything ai

كل شيء-منظمة العفو الدولية

هل لديك مساعد chatbot المحلي الذي يتمتع بالكفاءة الكاملة والمدعوم بالذكاء الاصطناعي؟

مخطط انسيابي

مخطط انسيابي لكل شيء-ai

بداية سريعة

1. استنساخ هذا المستودع 

git clone https://github.com/AstraBert/everything-ai.git
cd everything-ai

2. قم بتعيين ملف .env الخاص بك

يُعدِّل:

  • متغير VOLUME في ملف .env حتى تتمكن من تحميل نظام الملفات المحلي الخاص بك في حاوية Docker.
  • متغير MODELS_PATH في ملف .env حتى تتمكن من إخبار llama.cpp بالمكان الذي قمت فيه بتخزين نماذج GGUF التي قمت بتنزيلها.
  • متغير MODEL في ملف .env بحيث يمكنك إخبار llama.cpp بالنموذج الذي يجب استخدامه (استخدم الاسم الفعلي لملف gguf، ولا تنس الامتداد .gguf!)
  • متغير MAX_TOKENS في ملف .env بحيث يمكنك إخبار llama.cpp بعدد الرموز المميزة الجديدة التي يمكنه إنشاؤها كمخرجات.

مثال على ملف .env يمكن أن يكون: 

VOLUME= " c:/Users/User/:/User/ "
MODELS_PATH= " c:/Users/User/.cache/llama.cpp/ "
MODEL= " stories260K.gguf "
MAX_TOKENS= " 512 "

هذا يعني أن كل ما هو موجود الآن ضمن "c:/Users/User/" على جهازك المحلي موجود ضمن "/User/" في حاوية Docker الخاصة بك، وأن llama.cpp يعرف مكان البحث عن النماذج والنموذج الذي يجب البحث عنه، جنبا إلى جنب مع الحد الأقصى من الرموز الجديدة لانتاجها.

3. اسحب الصور اللازمة 

docker pull astrabert/everything-ai:latest
docker pull qdrant/qdrant:latest
docker pull ghcr.io/ggerganov/llama.cpp:server

4. قم بتشغيل التطبيق متعدد الحاويات 

docker compose up

5. انتقل إلى localhost:8670 واختر مساعدك

سترى شيئا مثل هذا:

واجهة اختيار المهمة

اختر المهمة من بين:

  • استرجاع النص : استخدم واجهة qdrant الخلفية لبناء قاعدة معرفية سهلة الاسترجاع، والتي يمكنك الاستعلام عن استجابة نموذجك وضبطها عليها. يجب عليك تمرير إما ملف pdf/مجموعة من ملفات pdf المحددة كمسارات مفصولة بفواصل أو دليل حيث يتم تخزين جميع ملفات pdf محل الاهتمام ( لا تقدم كليهما)؛ يمكنك أيضًا تحديد اللغة التي سيتم بها كتابة ملف PDF، باستخدام تسمية ISO - MULTILINGUAL
  • إنشاء نص لاأدري : إنشاء نص يشبه ChatGPT (بدون بنية استرجاع)، ولكنه يدعم كل نموذج إنشاء نص على HF Hub (طالما أن أجهزتك تدعمه!) - متعدد اللغات
  • تلخيص النص : تلخيص النص وملفات PDF، ويدعم كل نموذج تلخيص النص على HF Hub - باللغة الإنجليزية فقط
  • إنشاء الصور : نشر مستقر، يدعم كل نموذج تحويل النص إلى صورة على HF Hub - متعدد اللغات
  • التلقيحات الناتجة عن توليد الصور : الانتشار المستقر، استخدم Pollinations AI API؛ إذا اخترت "توليد الصور-التلقيح"، فلن تحتاج إلى تحديد أي شيء آخر غير المهمة - متعددة اللغات
  • تصنيف الصور : تصنيف صورة، ويدعم كل نموذج لتصنيف الصور على HF Hub - باللغة الإنجليزية فقط
  • تحويل الصورة إلى نص : وصف صورة، ويدعم كل نموذج تحويل الصورة إلى نص على HF Hub - باللغة الإنجليزية فقط
  • تصنيف الصوت : تصنيف الملفات الصوتية أو تسجيلات الميكروفون، ويدعم نماذج تصنيف الصوت على محور التردد العالي
  • التعرف على الكلام : نسخ الملفات الصوتية أو تسجيلات الميكروفون، ويدعم نماذج التعرف التلقائي على الكلام على محور التردد العالي.
  • إنشاء الفيديو : إنشاء فيديو عند المطالبة النصية، ودعم نماذج تحويل النص إلى فيديو على محور التردد العالي - باللغة الإنجليزية فقط
  • طي البروتين : احصل على البنية ثلاثية الأبعاد للبروتين من تسلسل الأحماض الأمينية، باستخدام نموذج العمود الفقري ESM-2 - GPU فقط
  • التدريب التلقائي : ضبط نموذج على مهمة محددة في المراحل النهائية باستخدام التدريب التلقائي المتقدم، فقط عن طريق تحديد اسم مستخدم HF الخاص بك، ورمز كتابة HF والمسار إلى ملف تكوين yaml للتدريب
  • space-api-supabase : استخدم HF Spaces API بالاشتراك مع قواعد بيانات Supabase PostgreSQL من أجل إطلاق العنان لمجالات LLM أكثر قوة وقواعد بيانات متجهة أكبر موجهة نحو RAG - متعددة اللغات
  • llama.cpp-and-qdrant : مثل إنشاء نص استرجاع ، ولكنه يستخدم llama.cpp كمحرك استدلال، لذلك يجب عدم تحديد نموذج - متعدد اللغات
  • build-your-llm : قم بإنشاء LLM للدردشة قابل للتخصيص يجمع بين قاعدة بيانات Qdrant وملفات PDF الخاصة بك وقوة نماذج Anthropic أو OpenAI أو Cohere أو Groq: تحتاج فقط إلى مفتاح API! لإنشاء قاعدة بيانات Qdrant، يجب عليك تمرير إما ملف pdf/مجموعة من ملفات pdf المحددة كمسارات مفصولة بفواصل أو دليل حيث يتم تخزين جميع ملفات pdf محل الاهتمام ( لا توفر كليهما)؛ يمكنك أيضًا تحديد اللغة التي سيتم بها كتابة ملف PDF، باستخدام تسمية ISO - MULTILINGUAL ، LANGFUSE INTEGRATION
  • الدردشة ببساطة : أنشئ LLM للدردشة قابلة للتخصيص باستخدام نماذج Anthropic أو OpenAI أو Cohere أو Groq (لا يوجد خط أنابيب RAG): تحتاج فقط إلى مفتاح API! - متعدد اللغات ، التكامل بين اللغات
  • fal-img2img : استخدم fal.ai ComfyUI API لإنشاء صور بدءًا من صور PNG وJPEG: تحتاج فقط إلى مفتاح API! يمكنك أيضًا تخصيص الجيل الذي يعمل بالمطالبات والبذور - باللغة الإنجليزية فقط
  • بحث استرجاع الصور : ابحث في قاعدة بيانات الصور وتحميل مجلد كمدخل لقاعدة البيانات. يجب أن يكون للمجلد البنية التالية: 
 ./
├── test/
|   ├── label1/
|   └── label2/
└── train/
    ├── label1/
    └── label2/

يمكنك الاستعلام عن قاعدة البيانات بدءًا من الصور الخاصة بك.

6. انتقل إلى localhost:7860 وابدأ في استخدام مساعدك

بمجرد أن يصبح كل شيء جاهزًا، يمكنك التوجه إلى localhost:7860 والبدء في استخدام مساعدك:

واجهة الدردشة
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل