Generating Books with LLMs

Von LLM erstelltes Buch über die Philosophie der KI

Einführung

Dieses Repository untersucht die Anwendung von Large Language Models (LLMs) zur Generierung philosophischer Bücher unter Verwendung fortschrittlicher KI-Modelle wie GPT-4 (gpt-4-0125-preview), OpenAIs GPT-3 (gpt-3.5-turbo-16k), und Googles Gemma (gemma:7b). Die Titel der generierten Bücher lauten wie folgt:

• GPT-4: Geist, Maschine und Moral: Navigieren durch die philosophischen Grenzen der künstlichen Intelligenz (PDF)

• GPT-3: Der ethische Nexus: Erkundung der philosophischen Grenzen der KI (PDF)

• Gemma-7b: The Turing's Legacy: Philosophische Schnittpunkte mit künstlicher Intelligenz (PDF)

Darüber hinaus habe ich versucht, das Anthropic Claude 3 Opus- Modell zu verwenden. Trotz mehrerer Versuche und Erfahrungen mit ihrem Dienst, einschließlich Serverfehlern und Erreichen der Token-pro-Tag-Limits, erwies sich der Erwerb eines Buches über das Anthropic-Modell als erfolglos. Trotz dieser Herausforderungen zeigt dieses Repositorium die Fähigkeiten und Erkenntnisse, die durch den Einsatz verschiedener LLMs in der philosophischen Erforschung gewonnen wurden.

Verwendete Modelle

• GPT-3 von OpenAI: Zugriff über die OpenAI-API.

• GPT-4 von OpenAI: Zugriff über die OpenAI-API.

• Google Gemma: Zugriff über OLLAMA (https://ollama.com/). Um auf das Gemma-Modell zuzugreifen, führen Sie den folgenden Befehl in Ihrem Terminal aus:

  ollama pull gemma:2b

Beschreibung von Python-Dateien

• app.py: Die Hauptdatei, die die gesamte Anwendung orchestriert und das Buch generiert.
• utils.py: Enthält Funktionen zum Instanziieren der LLM-Modelle.
• structure.py: Erstellt einen Titel, ein Framework und eine Kapitelliste basierend auf dem angegebenen Thema, Genre, Stil und Profil des Buchs.
• ideas.py: Erstellt eine Liste von Ideen, die in jedem Kapitel besprochen werden sollen, basierend auf dem generierten Titel, dem Framework, der Kapitelliste, dem Thema, dem Genre, dem Stil und dem Profil des Buches.
• writing.py: Schreibt jedes Kapitel basierend auf Thema, Profil, Genre, Stil, Kapitellisten und Ideen. Schreibt nacheinander über generierte Ideen, unterstützende Argumente und historische Fakten.
• Publishing.py: Verwendet die Python- docx -Bibliothek, um die „.docx“-Datei des Buchs zu generieren.

Dateien enthalten

• .env: Enthält Informationen zu API-Schlüsseln.

• Anforderungen.txt: Listet die erforderlichen Bibliotheken auf, die installiert werden müssen. Um sie zu installieren, führen Sie Folgendes aus:

  pip install -r requirements.txt

Zusätzliche Ressourcen

Für weitere Informationen zu Langchain, Retrieval-Augmented Generation (RAG) und KI-Textgenerierung sollten Sie sich für diesen Udemy-Kurs anmelden: Einführung in Langchain.