INSIGHT

بصيرة

يرجى زيارة https://insightai.dev/project للاطلاع على حلنا المُدار مع العديد من الميزات الأخرى!

إنسايت عبارة عن ذكاء اصطناعي مستقل يمكنه إجراء الأبحاث الطبية. لديه وكيل رئيسي يأخذ ملخصًا موضوعيًا وتنفيذيًا للمهام المكتملة بالفعل ونتائجها ويقوم بإنشاء قائمة مهام. يلتقط الوكيل العامل مهمة من القائمة ويكملها، ويحفظ النتائج في فهرس اللاما. يتم إبلاغ الرئيس بالنتائج والتغييرات/إعادة ترتيب أولويات قائمة المهام. يمكن للعمال الاتصال بواجهات برمجة تطبيقات pubmed وmygene (المزيد في المستقبل). يحصل العمال أيضًا على السياق من فهرس اللاما للمساعدة في إكمال مهامهم.

يمكن لـ INSIGHT أيضًا إعادة التحميل ومواصلة التشغيل، وأيضًا تحميل أي ملف بيانات يمكن قراءته بواسطة الإنسان واستخدامه جنبًا إلى جنب مع النتائج الأخرى!

يمكنك أيضًا تحميل قاعدة بيانات فهرس اللاما الخاصة بك والتحدث إليها، وطرح أسئلة عشوائية حول بياناتك، عن طريق تشغيل talk_to_index.py وسيتعين عليك تحديد المسار إلى الفهرس الخاص بك في أسفل الملف. انظر الجزء السفلي من talk_to_index.py للحصول على مثال.

يرجى التواصل معي أو المساهمة إذا كان هذا يهمك :) بريدي الإلكتروني هو [email protected]

 السل الرسم البياني.

    واجهات برمجة التطبيقات للرسم البياني الفرعي؛
        API1 [واجهة برمجة التطبيقات المنشورة]؛
        API2 [واجهة برمجة تطبيقات MYGENE]؛
    نهاية؛

    Boss((BOSS AGENT)) <--> GPT[LLM];
    اللاما[(مؤشر اللاما)] -->|ملخص النتائج| رئيس؛
    رئيس -->|إنشاء| قائمة الانتظار [قائمة المهام]؛

    Worker((عامل العامل)) <--> GPT;
    قائمة الانتظار --> |سحب| عامل؛
    اللاما -->|سياق المهمة| عامل؛
    العامل --> النتيجة[نتيجة المهمة];

    النتيجة --> |نص| اللاما.
    النتيجة -->|الكود| المنفذ {PYTHON EXECUTOR}؛

    المنفذ --> API1[PUBMED];
    المنفذ -> API2[MYGENE];
    المنفذ -> التنفيذ [نتيجة التنفيذ]؛

    التنفيذ --> اللاما؛

    اللاما <--> TalkToIndex[تحدث إلى الفهرس];

    المستخدم{{مستخدم}} -->|الاستعلام| TalkToIndex;
    TalkToIndex -->|النتيجة| مستخدم؛

ابدء

1. قم بالتسجيل في OpenAI

2. كشف متغير البيئة التالي

   • OPENAI_API_KEY

   أو

   أضف مفتاح API الخاص بك إلى ملف التكوين. إذا قمت بذلك، فلا تلزمهم بأي نظام للتحكم في الإصدار!

3. قم بتشغيل pip install -r requirements.txt

4. قم بتشغيل python main.py

الإخراج

يقوم البرنامج بحفظ النتيجة من كل مهمة وإضافتها إلى دليل out

كما يقوم أيضًا بإنشاء ملف تخفيض النتائج الرئيسية على جميع النتائج التي تقوم بتقطير البيانات عبر الأوامر التالية:

• قدم ملخصًا موجزًا ​​عالي المستوى لجميع البيانات.
• قم بإدراج جميع النقاط الرئيسية التي تغطيها البيانات بإيجاز.
• تقديم كافة الأفكار الرئيسية حول البيانات.
• قم بإنشاء العديد من الفرضيات الإبداعية في ضوء البيانات.
• ما هي بعض الاتجاهات البحثية رفيعة المستوى التي يجب استكشافها بشكل أكبر في ضوء البيانات؟
• وصف النتائج الرئيسية بقدر كبير من التفصيل. لا تقم بتضمين كلمات الحشو.

يمكن إضافة أوامر تعسفية. افتح هذا في محرر تخفيض السعر للحصول على أفضل تجربة.

فيما يلي مثال لهيكل الإخراج

 .
└── out  /
    ├── Objective  /
    │   ├── Task 1/
    │   │   ├── Result 1/
    │   │   │   ├── Raw Result
    │   │   │   └── Vector Embedding of Result
    │   │   ├── Result 2/
    │   │   │   ├── Raw Result
    │   │   │   └── Vector Embedding of Result
    │   │   ├── .
    │   │   ├── .
    │   │   ├── Summary of task results
    │   │   └── API Call (If task was an API call)
    │   ├── Task 2
    │   ├── .
    │   ├── .
    │   ├── .
    │   └── Task N
    └── key_findings.md

كن حذرا من النفقات!

في الوقت الحالي، يجب ألا يتكلف التنفيذ لبضع دقائق أكثر من بضعة سنتات. سوف يرتفع هذا إذا كنت تستخدم نموذجًا أكثر قوة مثل GPT-4