Promptimizer
1.0.0
يقوم هذا المشروع بتنفيذ نظام آلي لتحسين مطالبات الذكاء الاصطناعي باستخدام الخوارزميات الجينية وتقنيات التعلم الآلي. إنه مصمم لتطور أي موجه LLM وتحسينه. يركز المثال في هذا الريبو على فحص الأسهم الذي يحركه AI.
اقرأ المزيد عنها هنا.
يمكن أن يكون تحسين المطالبات باستخدام هذا الإطار مكلفًا للغاية! لا أقبل أي مسؤولية عن أي تكاليف تكبدتها. إذا كانت التكلفة عبارة عن اعتبار ، فيرجى استخدام LLMs المحلية مثل Ollama للتحسين.
لرؤية نتائج المطالبة المحسنة ، تحقق من nexustrade.io. Nexustrade عبارة عن منصة تجارية واستثمار تلقائية تعمل بذكاء الذكاء الاصطناعي تتيح للمستخدمين إنشاء استراتيجيات تداول خوارزمية واختبارها وتحسينها ونشرها.
مع فرز الأوراق المالية ، يمكنك طرح أي من الأسئلة داخل دليل الجروح ، بما في ذلك:
أي سؤال حول البيانات الفنية أو الأساسية ، يمكن لفرز الأسهم من AI Nexustrade الإجابة. جربه اليوم مجانًا!
قبل تشغيل هذا المشروع ، تأكد من إعداد المتطلبات الأساسية التالية:
Node.js : تأكد من تثبيت Node.js. يمكنك تنزيله من nodejs.org.
populate inputs.ts : إنشاء وملء ملف inputs.ts بالتنسيق التالي:
const inputs = [
{
text : "<Question to ask the model>" ,
foldername : "foldername_for_the_input_output" ,
} ,
] ;
export default inputs ;additionalSystemPrompts.ts : إنشاء وملء ملف additionalSystemPrompts.ts بالتنسيق التالي: const additionalSystemPrompts = [
"System Prompt 1" ,
"System Prompt 2" ,
"System Prompt 3" ,
"System Prompt 4" ,
"System Prompt 5" ,
] ;
export default additionalSystemPrompts ;.env في الدليل الجذر للمشروع وإضافة متغيرات البيئة التالية: ANTHROPIC_API_KEY=your_anthropic_api_key
OPENAI_API_KEY=your_openai_api_key
OLLAMA_SERVICE_URL=http://localhost:11434
GOOGLE_APPLICATION_CREDENTIALS_JSON=path_to_your_google_application_credentials_json
CLOUD_DB=your_cloud_db_connection_string
LOCAL_DB=your_local_db_connection_string
MODEL_NAME=your_model_name
استبدل your_anthropic_api_key ، your_openai_api_key ، path_to_your_google_application_credentials_json ، your_cloud_db_connection_string ، مسار your your your_local_db_connection_string mode ، json contains json your_model_name اسم. يمكنك تغيير النموذج إلى نموذج مفتوح المصدر من Ollama أو واحد من الإنسان عن طريق تعيين متغير بيئة MODEL_NAME .
بالنسبة إلى DB المحلي ، يمكنك ملءه بما يلي:
LOCAL_DB="mongodb://127.0.0.1:27017/promptoptimizer"
بشكل افتراضي ، سيستخدم النظام قاعدة البيانات المحلية المحددة في process.env.LOCAL_DB . إذا كنت ترغب في استخدام قاعدة بيانات سحابة ، فتأكد من أن process.env.CLOUD_DB ملأ وتعديل الكود لاستخدامه حسب الحاجة.
لتثبيت تبعيات Node.js اللازمة ، قم بتشغيل الأمر التالي في الدليل الجذر للمشروع:
npm install لتشغيل ملفات TypeScript مباشرة ، تحتاج إلى تثبيت ts-node . يمكنك تثبيته على مستوى العالم باستخدام الأمر التالي:
npm install -g ts-nodeبدلاً من ذلك ، يمكنك إضافته كاعتماد على مشروعك:
npm install --save-dev ts-nodeلتثبيت تبعيات Python اللازمة ، تأكد من تثبيت Python ثم قم بتشغيل الأمر التالي في الدليل الجذر للمشروع:
pip install -r requirements.txtسيؤدي هذا إلى تثبيت حزم Python التالية:
matplotlibseabornpandasلتثبيت mongodb محليا ، اتبع هذه الخطوات:
قم بتنزيل MongoDB : انتقل إلى مركز تنزيل MongoDB وقم بتنزيل خادم مجتمع MongoDB لنظام التشغيل الخاص بك.
تثبيت mongodb :
.msi تم تنزيله واتبع تعليمات التثبيت.brew tap mongodb/brew
brew install [email protected]mongod في موجه الأوامر.brew services start mongodb/brew/mongodb-communitysudo systemctl start mongodmongoيجب أن يفتح هذا قذيفة MongoDB ، مما يشير إلى أن MongoDB مثبت وتشغيله بشكل صحيح.
لتوجيه النموذج نحو السلوك المطلوب ، تحتاج إلى معرفة بالضبط كيف تريد أن يستجيب النموذج لمجموعة واسعة من المدخلات. للقيام بذلك ، ستقوم بتحديث input.ts الملف. TTS بأسماء الملفات والمدخلات التي تريد أن يفهمها النموذج. بعد ذلك ، ستقوم بتنفيذ البرنامج النصي populateGroundTruth.ts . يسمح لك هذا البرنامج النصي بإنشاء حقائق أرضية بطريقة شبه آلية.
باستخدام بعض الطرق (مثل نموذج لغة كبير) ، يجب أن تكون قادرًا على تحديد مدى قرب الإخراج الخاص بك من الإخراج المطلوب. يمكنك القيام بذلك باستخدام "المقيِّم المطالب" المستند إلى LLM داخل الريبو. يأخذ "المقيِّم المطالب" إخراج النموذج والإخراج المتوقع ويعيد النتيجة.
لاستخدام Ollama كبديل لـ Openai ، اتبع هذه الخطوات:
قم بتنزيل Ollama : انتقل إلى Ollama.com/download وقم بتنزيل الإصدار المناسب لنظام التشغيل الخاص بك.
قم بتنزيل النموذج : تفضل بزيارة Ollama.com/library/llama3.1 لتنزيل النموذج الذي تريد استخدامه.
اضبط متغير البيئة : تأكد من تعيين متغير البيئة التالي في ملف .env الخاص بك:
OLLAMA_SERVICE_URL=http://localhost:11434
إذا كان لديك ANTHROPIC_API_KEY ، فيمكنك بدلاً من ذلك استخدام الأنثروبور لتحسين المطالبة.
لتشغيل البرنامج النصي TypeScript ، يمكنك استخدام ts-node . تأكد من تثبيت ts-node كما هو موضح أعلاه ، ثم قم بتشغيل الأمر التالي:
ts-node main.tsبدلاً من ذلك ، يمكنك تجميع رمز TypeScript إلى JavaScript ثم تشغيله باستخدام Node.js:
tscnode dist/main.js لتصور للياقة التدريب والتحقق من صحة عبر الأجيال ، يمكنك استخدام Python Script graph.py . يقوم هذا البرنامج النصي بإنشاء الرسوم البيانية حتى تتمكن من معرفة كيفية تغير أداء المطالبة الخاصة بك بمرور الوقت. لتشغيل البرنامج النصي ، استخدم الأمر التالي:
python graph.pyمن خلال اتباع هذه التعليمات ، ستتمكن من تحسين أي موجه تعسفي ، وتحديد أدائها ، وتصور كيفية تحسن مع مرور الوقت.
