INSIGHT

EINBLICK

Bitte besuchen Sie https://insightai.dev/project für unsere verwaltete Lösung mit vielen weiteren Funktionen!

Insight ist eine autonome KI, die medizinische Forschung betreiben kann. Es verfügt über einen Chefagenten, der ein Ziel und eine Zusammenfassung der bereits erledigten Aufgaben und deren Ergebnisse erstellt und eine Aufgabenliste erstellt. Ein Worker-Agent wählt eine Aufgabe aus der Liste aus, erledigt sie und speichert die Ergebnisse im Lama-Index. Der Chef wird über die Ergebnisse informiert und ändert/priorisiert die Aufgabenliste neu. Die Worker können die APIs pubmed und mygene aufrufen (weitere folgen). Die Arbeiter erhalten außerdem Kontext aus dem Lama-Index, um sie bei der Erledigung ihrer Aufgaben zu unterstützen.

INSIGHT kann Läufe auch neu laden und fortsetzen sowie jede menschenlesbare Datendatei laden und zusammen mit den anderen Ergebnissen verwenden!

Sie können auch Ihre Lama-Indexdatenbank laden und mit ihr sprechen und beliebige Fragen zu Ihren Daten stellen, indem Sie talk_to_index.py ausführen. Sie müssen den Pfad zu Ihrem Index am Ende der Datei angeben. Ein Beispiel finden Sie unten in talk_to_index.py .

Bitte kontaktieren Sie mich oder tragen Sie bei, wenn Sie daran interessiert sind :) Meine E-Mail lautet [email protected]

 Diagramm TB;

    Subgraph-APIs;
        API1[PUBMED API];
        API2[MYGENE API];
    Ende;

    Boss((BOSS AGENT)) <--> GPT[LLM];
    Lama[(LLAMA INDEX)] -->|Zusammenfassung der Ergebnisse| Chef;
    Chef -->|Erstellen| Warteschlange[AUFGABENLISTE];

    Worker((WORKER AGENT)) <--> GPT;
    Warteschlange -> |Pull| Arbeitnehmer;
    Lama -->|Kontext für Aufgabe| Arbeitnehmer;
    Arbeiter --> Ergebnis[Aufgabenergebnis];

    Ergebnis --> |Text| Lama;
    Ergebnis -->|Code| Executor{PYTHON EXECUTOR};

    Executor -> API1[PUBMED];
    Executor -> API2[MYGENE];
    Executor -> Ausführung[Ausführungsergebnis];

    Ausführung -> Lama;

    Lama <--> TalkToIndex[Talk To Index];

    Benutzer{{Benutzer}} -->|Abfrage| TalkToIndex;
    TalkToIndex -->|Ergebnis| Benutzer;

Erste Schritte

1. Melden Sie sich bei OpenAI an

2. Machen Sie die folgende Umgebungsvariable verfügbar

   • OPENAI_API_KEY

   ODER

   Fügen Sie Ihren API-Schlüssel zur Konfigurationsdatei hinzu. WENN SIE DIES TUN, BEWERBEN SIE SIE NICHT MIT EINEM VERSIONSKONTROLLSYSTEM!

3. Führen Sie pip install -r requirements.txt aus

4. Führen Sie python main.py aus

Ausgabe

Das Programm speichert das Ergebnis jeder Aufgabe und fügt es dem Ausgabeverzeichnis out hinzu

Außerdem wird eine Markdown-Datei mit den wichtigsten Ergebnissen über alle Ergebnisse erstellt, die die Daten über die folgenden Befehle destilliert:

• Geben Sie eine kurze allgemeine Zusammenfassung aller Daten.
• Listen Sie kurz alle wesentlichen Punkte auf, die die Daten abdecken.
• Geben Sie alle wichtigen Erkenntnisse über die Daten an.
• Generieren Sie anhand der Daten mehrere kreative Hypothesen.
• Welche hochrangigen Forschungsrichtungen sollten angesichts der Daten weiter untersucht werden?
• Beschreiben Sie die wichtigsten Ergebnisse ausführlich. Fügen Sie keine Füllwörter ein.

Es können beliebige Befehle hinzugefügt werden. Öffnen Sie dies für das beste Erlebnis in einem Markdown-Editor.

Hier ist ein Beispiel für eine Ausgabestruktur

 .
└── 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

ACHTEN SIE AUF DIE KOSTEN!!

Derzeit dürfte eine Hinrichtung für ein paar Minuten nicht mehr als ein paar Cent kosten. Dies erhöht sich, wenn Sie ein leistungsstärkeres Modell wie GPT-4 verwenden