RepoChat 200k

repochat في 200k - لا خرقة!

⚡ chat مع github repo باستخدام نافذة سياق 200k من كلود بدلاً من خرقة! ⚡

لماذا repochat - لا خرقة؟

خذ الاستفادة من كلود 200 كيلو! ضع جميع الأمثلة والرموز على السياقات!

نحن بحاجة إلى CoPilot بدلاً من الوكيل أحيانًا!

1. ليس فقط الدردشة ، ولكن كتابة الرموز مع أحدث المستندات

هل لديك مشاكل تحفظ جميع واجهات برمجة التطبيقات في Llama-Index أو Langchain؟

لا تقلق ، فقط قم بتضمين أمثلة المكونات والمستندات من الريبو ودع كلود أوبوس - أقوى نموذج ونافذة سياق طويلة تبلغ 200 ألف لكتابة وكيلك لك!

2. لا يوجد نسخة ، فقط حدد

قم بتنزيل/استنساخ ريبو الخاص بك من Github ثم فقط حدد الملفات التي تريدها ، لقد قمت بتغطيةك على بناء المطالبة.

3. لا خرقة ، أنت تقرر

لقد رأيت العديد من الدردشة مع مشاريع repo ، ولديهم جميعًا نقاط الألم:

Which files do this query need?

يستخدمون التضمين في قاعدة بيانات الكود ، لكن في معظم الوقت كنت أعرف بالفعل المستندات التي أشير إليها ... لذا اتخذ اختياراتك الخاصة في كل مرة تقوم فيها بالترميز.

• الواجهة الواجهة الترميز؟ فقط حدد المكونات والأمثلة.

• وكلاء الترميز؟ فقط حدد دفتر Jupyter من Langgraph.

• ترميز الخرقة؟ فقط حدد دفتر Jupyter من Llamaindex.

4. المزيد من حالات الاستخدام!

استخدام Doc Llamaindex

حدد مثال llamaindex لخط الأنابيب لكتابة الرسم البياني للخرقة.

استخدم Docn Doc لكتابة الواجهة الأمامية

حدد تعريف الأمثلة والمكونات.

اقتراحات!

1. يمكنك استخدام Haiku لمعظم القضية.
2. تغيير النماذج على أساس المهام.
3. تغيير الملفات بناءً على المهام.
4. استنساخ repos التي تحبها!
5. عادةً ما أقوم بتضمين ReadMe of Repo لمساعدة كلود على فهم أفضل
6. استخدم COUNT TOKENS على الشريط الجانبي لمعرفة عدد الرموز التي سترسلها !!!

سمات

1. تنزيل المستودع : يمكن للمستخدمين توفير عنوان URL لمستودع GitHub ، وسيقوم التطبيق تلقائيًا بتنزيل المستودع وتحليله.
2. اختيار الملف والمجلد : يمكن للمستخدمين تحديد ملفات أو مجلدات محددة من المستودع لتضمينها في إدخال LLM.
3. تصفية اللغة : يمكن للمستخدمين تصفية الملفات عن طريق البرمجة لتركيز فهم LLM على أجزاء محددة من قاعدة الكود.
4. حد الرمز المميز : يمكن للمستخدمين تعيين حد رمزي للتحكم في مقدار المعلومات المرسلة إلى LLM ، والتي يمكن أن تكون مفيدة لاعتبارات الأداء أو التكلفة.
5. واجهة الدردشة : يمكن للمستخدمين التفاعل مع LLM من خلال واجهة على غرار الدردشة ، مما يسمح لهم بطرح أسئلة أو طلب توليد رمز بناءً على محتويات المستودع.
6. إخراج البث : يتم عرض استجابات LLM بطريقة تدفق ، مما يوفر تجربة مستخدم أكثر جاذبية وفي الوقت الفعلي.

حاليا أنا دعمت OpenRouter فقط. التخطيط لإضافة المزيد و refactor يوما ما.

ابدأ

1. إعدادات البيئة : قم بتشغيل pip install -r requirements.txt لإعداد البيئة.

2. إنشاء ملف .env : إنشاء ملف .env في الدليل الجذر للمشروع وإضافة مفتاح API OpenRouter الخاص بك (موصى به):

OPENROUTER_API_KEY=your_openrouter_api_key_here

أوصي OpenRouter لأنه يحتوي على جميع النماذج!

إذا كنت ترغب في استخدام نماذج Openai GPT ، فأضف openai api key أيضًا.

OPENAI_API_KEY=your_openai_api_key_here

3. قم بتشغيل التطبيق : قم بتشغيل البرنامج النصي app.py باستخدام STREMELIT:

streamlit run app.py

4. استخدم التطبيق : اتبع الإرشادات الواردة في التطبيق لتنزيل مستودع GitHub ، وحدد الملفات والمجلدات ، والدردشة مع LLM.

إذا واجهت بعض المشكلات مع Repo ، فيمكنك دائمًا حذف REPO DIR في ./repos dir وتنزيله مرة أخرى.

إعدادات

يمكن تخصيص سلوك التطبيق من خلال خيارات التكوين التالية:

• النموذج : نموذج LLM المحدد لاستخدامه (على سبيل المثال ، "أنثروبولوجيا/كلود-3-هايكو" ، "الإنسان/كلود 3-opus").
• درجة الحرارة : معلمة درجة الحرارة التي تتحكم في "إبداع" استجابات LLM.
• مطالبة النظام : المطالبة الأولية المقدمة إلى LLM لتعيين السلوك المطلوب.

يمكن تعديل هذه الإعدادات في الشريط الجانبي للتطبيق التدليلي.

المساهمة

إذا كنت ترغب في المساهمة في مشروع RepoChat-200K ، فلا تتردد في تقديم المشكلات أو سحب طلبات على مستودع GitHub.

رخصة

هذا المشروع مرخص بموجب ترخيص معهد ماساتشوستس للتكنولوجيا.