LLMCheatsheets.jl تنزيل - LLMCheatsheets.jl تنزيل كود المصدر

LLMCheatsheets.jl

كود الذكاء الاصطناعي

v0.1.0

تنزيل

LLMheatsheets.jl

LLMCheatsheets.jl عبارة عن حزمة Julia تجعل من السهل والفوري تعليم نماذج الذكاء الاصطناعي حول الحزم والمستودعات الجديدة عن طريق إنشاء أوراق الغش من مستودعات GitHub. تعمل هذه الأداة على سد الفجوة بين الوثائق التي يمكن قراءتها بواسطة الإنسان وتمثيل المعرفة المتوافق مع الذكاء الاصطناعي، مما يسمح بالتكامل السلس مع نماذج اللغة ومساعدي الذكاء الاصطناعي.

افتراضيًا، نأخذ مجموعة فرعية من المجلدات والملفات الموجودة في المستودع المقدم ونلخصها باستخدام LLM في ورقة غش واحدة.

سمات

إنشاء أوراق الغش بشكل فوري من مستودعات GitHub.
تمثيل المعرفة الصديق للذكاء الاصطناعي من خلال تلخيص التعليمات البرمجية والوثائق (أو فقط قم بجمع جميع الملفات الأولية في سلسلة واحدة).
سهولة التكامل مع نماذج اللغة ومساعدي الذكاء الاصطناعي (ما عليك سوى نسخ ورقة الغش في الموجه الخاص بك).
دعم أي حزمة وأسهل في البدء من الجيل المعزز للاسترجاع (RAG).

تثبيت

لتثبيت LLMCheatsheets.jl، استخدم مدير حزم Julia وعنوان URL الخاص بمستودع الريبو (لم يتم تسجيله بعد):

 using Pkg
Pkg . add (url = " https://github.com/svilupp/LLMCheatsheets.jl " )

نصيحة

إذا واجهت حدودًا للمعدل عند الوصول إلى GitHub API، فيمكنك إعداد رمز وصول شخصي وتعيينه كمتغير بيئة GITHUB_API_KEY لزيادة حد طلبك إلى 5000 في الساعة.

بداية سريعة

فيما يلي مثال أساسي لكيفية استخدام LLMCheatsheets.jl لإنشاء ورقة غش لمستودع GitHub.

 using LLMCheatsheets

repo = GitHubRepo ( " https://github.com/svilupp/PromptingTools.jl " )
create_cheatsheet (repo; save_path = true );

باستخدام save_path = true ، سيتم حفظ ورقة الغش في المجلد llm-cheatsheets في دليل العمل الحالي.

ماذا يحدث خلف الكواليس:

فحص المستودع: يتم فحص المستودع للعثور على جميع الملفات ذات الصلة التي تطابق repo.paths و repo.file_types .
تلخيص الملفات: يتم تلخيص كل ملف باستخدام LLM.
إنشاء ورقة غش: يتم دمج الملخصات لإنشاء ورقة غش شاملة.

للحصول على واجهة منخفضة المستوى لإنشاء الملفات بشكل فردي ومعالجتها بنفسك، راجع examples/create_for_promptingtools.jl .

في بعض الأحيان قد ترغب فقط في تنزيل الملفات دون تلخيصها. يمكنك القيام بذلك باستخدام وظيفة collect .

files_str = collect (repo)

ستكون files_str عبارة عن سلسلة تحتوي على جميع الملفات الممسوحة ضوئيًا متسلسلة معًا. لاستخدامه في ChatGPT أو Claude.ai، استخدم وظيفة clipboard لنسخه إلى الحافظة - files_str|>clipboard .

بشكل افتراضي، الملفات التي تم فحصها وتنزيلها هي repo.paths و repo.file_types على التوالي.

الاستخدام المتقدم

تخصيص المسارات الممسوحة ضوئيًا وأنواع الملفات

افتراضيًا، تتضمن repo.paths ["src", "docs/src", "README.md"] ، وتتضمن repo.file_types [".jl", ".md"] . يمكنك تخصيصها عند إنشاء كائن GitHubRepo :

على سبيل المثال، إضافة examples المجلدات وملفات .txt لتخصيص ما سنلخصه:

repo = GitHubRepo ( " https://github.com/username/repository " ; paths = [ " examples " , " README.md " ], file_types = [ " .jl " , " .md " , " .txt " ])

باستخدام LLM مختلفة

يمكنك استخدام LLM مختلف عن طريق تمرير وسيطة model إلى الوظائف.

 create_cheatsheet (repo; save_path = true , model = " gpt4om " )

إضافة تعليمات خاصة

يمكنك تقديم تعليمات خاصة لتوجيه الذكاء الاصطناعي في إنشاء ورقة الغش:

 create_cheatsheet (repo; special_instructions = " Focus on the data structures and their interactions. " )

استخدام PromptingTools.jl لطرح الأسئلة

يمكنك أيضًا تصدير وظائف ai* من PromptingTools.jl لاستخدامها مع LLMCheatsheets.jl.

 using LLMCheatsheets
# Re-export aigenerate, pprint from PromptingTools
using LLMCheatsheets : aigenerate, pprint
# Or import PromptingTools directly
# using PromptingTools

repo = GitHubRepo ( " https://github.com/svilupp/PromptingTools.jl " ; paths = [ " docs/src " , " README.md " ])
files_str = collect (repo)

msg = aigenerate ( " Read through these files: $(files_str) nn Answer the question: What is the function for creating prompt templates? " )
pprint (msg)

 The function for creating prompt templates in the `PromptingTools.jl` package is `create_template`. This function allows you to define a prompt with placeholders and save it for later use. The syntax is:

```julia
create_template(; user=<user prompt>,
system=<system prompt>, load_as=<template name>)
```

This function generates a vector of messages, which you can use directly in the `ai*` functions. If you provide the `load_as` argument, it will also register the template in the template store,
allowing you to access it later using its name.

الأسئلة المتداولة

أحصل على معدل محدود من قبل مقدمي خدمات LLM

إذا كنت تحصل على معدل محدود من قبل موفري LLM، فيمكنك تقليل عدد مهام التلخيص المتزامنة في create_cheatsheet عن طريق تعيين رقم أقل مثل ntasks=5 أو ntasks=2 (يعتمد على طبقة API لديك).