HybridAGI
1.0.0
Was unseren Ansatz von „Agent as Graph“ unterscheidet, ist die Tatsache, dass unser Agentensystem kein durch einen Graphen dargestellter Prozess ist, sondern ein Interpreter, der eine von diesem Prozess getrennte Graphdatenstruktur (die Graphprogramme) lesen/schreiben und ausführen kann. HybridAGI soll es dem Agenten ermöglichen, durch Ausführen, Lesen und Ändern der Diagrammprogramme (wie alle anderen Daten) zu lernen und soll im Wesentlichen ein selbstprogrammierendes System sein, das sich auf die Sprache Cypher konzentriert. Es handelt sich um ein produktionsreifes Forschungsprojekt, das sich auf neurosymbolische Programmierung, Programmsynthese und symbolische KI konzentriert.
Turing Complete DSL : Die Turing Complete Domain Specific Language (DSL) von HybridAGI wurde speziell entwickelt, um eine unendliche Anzahl von Algorithmen mit nur vier verschiedenen Knotentypen (Kontrolle, Aktion, Entscheidung, Programm) zu beschreiben. Der Interpreter-Agent kann Unterprogramme schleifen und aufrufen, ähnlich wie bei einer herkömmlichen Programmiersprache.
Graphprogrammsuche und dynamischer Aufruf : Da unser Agentensystem keine statische Finite-State-Maschine ist, sondern ein Interpreter, der ein graphbasiertes DSL Knoten für Knoten interpretiert, kann es Programme im Speicher durchsuchen und dynamisch das beste aufrufen, um die Benutzeranfrage zu lösen.
Optimierbare Pipeline und Agent : Mit HybridAGI und DSPy können Sie die Datenverarbeitungspipelines und das Agentensystem an Ihre eigenen Bedürfnisse anpassen. Da jedes HybridAGI-Modul auch ein DSPy-Modul ist, können Sie DSPy-Optimierer nahtlos mit ihnen verwenden.
Agentenverhalten als Software : Mit HybridAGI können Sie das Agentenverhalten als Cypher-Software liefern, sodass Start-ups und Unternehmen ihre eigene IP basierend auf ihrer in Cypher implementierten Geschäftslogik erstellen können.
Speicherzentriertes System : HybridAGI ist ein speicherzentriertes System, das Knowledge Graphs stark nutzt, sowohl zum Ausführen von Programmen als auch zum Speichern strukturierten Wissens. Dies ermöglicht Knowledge Graph RAG-Anwendungen für kritische Domänen.
Sicher und sicher : Besonderes Augenmerk wurde darauf gelegt, Cypher-Injections zu verhindern, aber auch zu verhindern, dass das Agentensystem seinen eigenen Hauptaufforderungsmechanismus durch die Einführung des Konzepts geschützter Programme verändert.
Vorhersehbares/deterministisches Verhalten und unendliche Anzahl von Tools : Da wir den Agenten nicht überlassen, die Reihenfolge der zu verwendenden Tools auszuwählen, können wir eine unendliche Anzahl von Tools verwenden. Durch die Befolgung der Graph-Programme stellen wir eine vorhersehbare und deterministische Methodik für unser Agentensystem sicher. Wir können jedes Speichersystem ohne Einschränkung zu einem einzigen Agenten kombinieren, indem wir die entsprechenden Tools verwenden.
HybridAGI ist der erste programmierbare LLM-basierte Agent, der es Ihnen ermöglicht, sein Verhalten mithilfe eines graphbasierten Prompt-Programmieransatzes zu definieren. Im Gegensatz zu anderen Frameworks, die Agenten als fortschrittliche Chatbots betrachten, haben wir eine Methodik übernommen, die auf Informatik, Kognitionswissenschaften und symbolischer KI basiert.
Für uns ist ein Agentensystem eine zielgerichtete kognitive Software, die natürliche Sprache verarbeiten und die Aufgaben ausführen kann, für die sie programmiert wurde. Genau wie bei herkömmlicher Software legt der Entwickler das Verhalten der Anwendung fest, und das System ist nur dann wirklich autonom, wenn es entsprechend programmiert wurde. Die Programmierung des Systems hilft dem Agenten nicht nur bei der Ausführung seiner Aufgaben, sondern ermöglicht auch die Formalisierung der Absicht des Entwicklers .
HybridAGI richtet sich an Datenwissenschaftler, schnelle Ingenieure, Forscher und KI-Enthusiasten, die gerne mit KI experimentieren. Es handelt sich um ein „Build Yourself“-Produkt, das sich auf die menschliche Kreativität und nicht auf die Autonomie der KI konzentriert.
Um HybridAGI einfach zu installieren, empfehlen wir Ihnen, pip mit dem folgenden Befehl zu verwenden:
pip install hybridagi
Wenn Sie unser System genauer erkunden oder zum Projekt beitragen möchten, können Sie den folgenden Befehl verwenden, um HybridAGI aus Quellen zu installieren:
git clone https://github.com/SynaLinks/HybridAGI
cd HybridAGI
pip install .
Hier gibt es keine React Agents , das einzige Agentensystem, das wir bereitstellen, ist unser benutzerdefinierter Graph Interpreter Agent , der einer strengen Methodik folgt, indem er Knoten für Knoten die Diagrammprogramme ausführt, die er im Speicher hat. Da wir das Verhalten des Agenten durchgängig steuern, indem wir die Planung auf symbolische Komponenten verlagern, können wir das Verhalten des Systems problemlos korrigieren/verbessern, sodass keine Feinabstimmung erforderlich ist, das System aber auch im laufenden Betrieb lernen kann.
HybridAGI basiert auf jahrelanger Erfahrung in der Herstellung zuverlässiger Robotiksysteme. Wir haben unser Wissen in Robotik, symbolischer KI, LLMs und Kognitionswissenschaften in einem Produkt für Programmierer, Datenwissenschaftler und KI-Ingenieure gebündelt. Das Langzeitgedächtnis unseres Agentensystems nutzt in großem Umfang Diagramme zur Speicherung von strukturiertem und unstrukturiertem Wissen sowie dessen Diagrammprogramme.
Wir stellen Ihnen alles zur Verfügung, damit Sie Ihre LLM-Anwendung mit Schwerpunkt auf Cypher Graph-Datenbanken erstellen können. Wir stellen auch eine lokale Datenbank für schnelles Prototyping bereit, bevor Sie Ihre Anwendung mit einer unserer Integrationen skalieren.
Mit HybridAGI können Sie Datenextraktionspipelines, RAG-Anwendungen oder erweiterte Agentensysteme erstellen, die möglicherweise jeweils mithilfe von DSPy-Optimierern optimiert werden. Wir bieten auch vorgefertigte Module und Metriken für die einfache Prototypenerstellung an.
Jedes Modul und jeder Datentyp ist streng typisiert und verwendet Pydantic als Datenvalidierungsschicht. Sie können im Handumdrehen Pipelines erstellen, indem Sie Module nacheinander stapeln, wie in Keras oder HuggingFace.
Wir stellen die folgende Liste nativer Tools zum Schreiben/Schreiben in das Speichersystem oder zum Ändern des Status des Agenten bereit:
| Werkzeugname | Verwendung |
|---|---|
Predict | Wird verwendet, um den Kontext mit Begründungsinformationen zu füllen |
ChainOfThought | Wird verwendet, um den Kontext mit Begründungsinformationen zu füllen |
Speak | Wird verwendet, um dem Benutzer eine Nachricht zu senden und die endgültige Antwort zu geben |
AskUser | Wird verwendet, um dem Benutzer Fragen zu stellen (kann die Benutzerpersönlichkeit simulieren) |
UpdateObjective | Aktualisieren Sie das langfristige Ziel des Agenten |
AddDocument | Speichern Sie ein neues Dokument im Speicher |
AddFact | Speichern Sie neue Fakten im Gedächtnis |
AddGraphProgram | Neues Programm im Speicher speichern (falls vorhanden überschreiben) |
DocumentSearch | Wird verwendet, um im Dokumentspeicher nach Informationen zu suchen |
PastActionSearch | Wird verwendet, um im Trace-Speicher nach vergangenen Aktionen zu suchen |
EntitySearch | Wird verwendet, um im Faktenspeicher nach Entitäten zu suchen |
FactSearch | Wird verwendet, um im Faktenspeicher nach Fakten zu suchen |
GraphProgramSearch | Wird verwendet, um im Programmspeicher nach Grafikprogrammen zu suchen |
ReadGraphProgram | Wird verwendet, um ein Diagrammprogramm anhand seines Namens aus dem Speicher zu lesen |
CallGraphProgram | Wird verwendet, um ein Diagrammprogramm dynamisch anhand des Namens aus dem Speicher aufzurufen |
Sie können weitere Tools hinzufügen, indem Sie das FunctionTool und Python-Funktionen wie heutzutage Funktionsaufrufe verwenden.
Wir akzeptieren die Beiträge für weitere Datenbankintegrationen. Treten Sie gerne dem Discord-Kanal bei, um weitere Informationen zu erhalten!
Wir sind unzufrieden mit der aktuellen Entwicklung agentenbasierter Systeme, denen es an Kontrolle und Effizienz mangelt. Der heutige Ansatz besteht darin, React/MKRL-Agenten zu entwickeln, die unabhängig und ohne menschliche Kontrolle arbeiten, was aufgrund ihrer Tendenz, innerhalb ihrer Datenverteilung zu bleiben, oft zu Endlosschleifen von Unsinn führt. Multi-Agenten-Systeme versuchen, dieses Problem zu lösen, führen jedoch aufgrund des Geschwätzes der Agenten oft zu noch mehr Unsinn und unerschwinglichen Kosten. Darüber hinaus benötigen heutige Agenten oft eine Feinabstimmung, um ihr Verhalten zu verbessern oder zu korrigieren, was ein zeitaufwändiger und komplexer Prozess sein kann.
Bei HybridAGI müssen Sie lediglich das Verhaltensdiagramm (die Diagrammprogramme) ändern. Wir glauben, dass eine Feinabstimmung das letzte Mittel sein sollte, wenn das Lernen im Kontext nicht die gewünschten Ergebnisse liefert. Durch die Verankerung der Kognitionswissenschaften in Informatikkonzepten ermöglichen wir Programmierern, das Agentensystem ihrer Träume aufzubauen, indem sie die Abfolge von Aktionen und Entscheidungen steuern. Unser Ziel ist es, ein Agentensystem aufzubauen, das reale Probleme lösen kann, indem es eine Zwischensprache verwendet, die sowohl von Menschen als auch von Maschinen interpretiert werden kann. Wenn wir die Menschen in den kommenden Jahren auf dem Laufenden halten wollen, müssen wir zu diesem Zweck Agentensysteme entwickeln.
LangGraph basiert auf LangChain, was letztes Jahr auch bei HybridAGI der Fall war. Angesichts der Ausrichtung des LangChain-Teams, ReACT-Agenten zu fördern, denen es an Kontrolle und Erklärbarkeit mangelt, sind wir jedoch auf DSPy umgestiegen, das einen besseren Nutzen bietet, indem es sich auf die Pipeline-Optimierung konzentriert. Vor kurzem ist LangGraph entstanden, um die schlechte Entscheidungsfindung von LangChain zu kompensieren, aber wir hatten bereits den Wert unserer Arbeit bewiesen. Darüber hinaus beschreibt LangGraph, wie viele Agenten-Frameworks, eine statische Finite-State-Maschine. Unsere Vision von AGI-Systemen ist, dass Turing vollständig sein muss, was bei vielen Agenten-Frameworks der Fall ist, aber auch die Fähigkeit zur Selbstprogrammierung im laufenden Betrieb (also echtes kontinuierliches Lernen) erforderlich ist, um die AGI-Reise wirklich beginnen zu können fehlt in anderen Frameworks.
Llama-Index hat kürzlich ein ereignisgesteuertes Agentensystem veröffentlicht, ähnlich wie LangGraph, es handelt sich um eine statische Zustandsmaschine, und die gleichen Bemerkungen gelten für ihre Arbeit.
HybridAGI basiert auf der hervorragenden Arbeit des DSPy-Teams und ist als Abstraktion gedacht, um die Erstellung komplexer DSPy-Programme im Kontext von LLM-Agenten zu vereinfachen. DSPy ist allgemeiner und wird auch für einfachere Aufgaben verwendet, die keine Agentensysteme erfordern. Im Gegensatz zu DSPy sind unsere Programme nicht statisch, sondern dynamisch und können sich an die Benutzeranfrage anpassen, indem sie im Speicher abgelegte Programme dynamisch aufrufen. Darüber hinaus konzentrieren wir unsere Arbeit auf erklärbare neurosymbolische AGI-Systeme mithilfe von Graphen. Die Diagrammprogramme sind einfacher zu erstellen, als sie mit DSPy von Grund auf zu implementieren. Wenn DSPy der PyTorch der LLM-Anwendungen ist, stellen Sie sich HybridAGI als Keras oder HuggingFace neurosymbolischer LLM-Agenten vor.
OpenAI o1 und HybridAGI haben viele gemeinsame Ziele, basieren jedoch auf unterschiedlichen Paradigmen. Wie OpenAI o1 verwendet HybridAGI mehrstufige Inferenzen und ist ein zielorientiertes Agentensystem. Im Gegensatz zu OpenAI o1 steuern wir jedoch den CoT-Trace unseres Agentensystems, anstatt ihn seinen Aktionsraum frei erkunden zu lassen, ein Paradigma, das eher einem A* ähnelt, bei dem der Agent in einem definierten Diagramm statt in einem Q-Learning-Diagramm navigiert. Dies führt zu einer effizienteren Argumentation, da Experten sie so programmieren können, dass sie einen bestimmten Anwendungsfall löst. Wir können kleinere LLMs verwenden, wodurch die Umweltbelastung verringert und der ROI erhöht wird. Der Nachteil unserer Technologie besteht darin, dass Sie Expertenwissen in Ihrem Fachgebiet sowie in Programmierung und KI-Systemen benötigen, um ihre Fähigkeiten optimal nutzen zu können. Aus diesem Grund bieten wir Audit-, Beratungs- und Entwicklungsdienstleistungen für Personen und Unternehmen an, denen die technischen Fähigkeiten im Bereich KI zur Implementierung ihres Systems fehlen.
Wir sind nicht im Silicon Valley ansässig oder Teil eines großen Unternehmens; Wir sind ein kleines, engagiertes Team aus Südfrankreich. Unser Fokus liegt auf der Bereitstellung eines KI-Produkts, bei dem der Benutzer die Kontrolle behält. Wir sind mit der aktuellen Entwicklung agentenbasierter Produkte unzufrieden. Wir sind Experten für Mensch-Roboter-Interaktionen und den Aufbau interaktiver Systeme, die sich wie erwartet verhalten. Während wir uns von den Kognitionswissenschaften und der symbolischen KI inspirieren lassen, möchten wir, dass unsere Konzepte für ein breiteres Publikum auf der Informatik basieren.
Unsere Mission geht über die Sicherheit und Leistung der KI hinaus. Es geht darum, die Welt zu gestalten, in der wir leben wollen. Auch wenn die Programmierung in fünf oder zehn Jahren obsolet wird und durch eine magische Aufforderung ersetzt wird, glauben wir, dass herkömmliche Aufforderungen nicht ausreichen, um Arbeitsplätze zu erhalten. Sie sind zu einfach und vermitteln die Absichten nicht genau.
Im Gegensatz dazu erfordert die Programmierung jedes einzelnen Argumentationsschritts Expertenwissen im Bereich Prompt Engineering und Programmierung. Überraschenderweise macht es Spaß und ist für Programmierer nicht so schwierig, da man durch die Steuerung Einblicke in die Funktionsweise der KI gewinnen kann. Natürliche Sprache kombiniert mit Algorithmen eröffnet endlose Möglichkeiten. Wir können uns eine Welt ohne sie nicht vorstellen.
Wir bieten Prüfungs-, Beratungs- und Entwicklungsdienstleistungen für Unternehmen an, die neurosymbolische KI-Lösungen in verschiedenen Bereichen implementieren möchten, von Computer Vision bis hin zu High-Level-Argumentation mit Wissensgraphen-/Ontologiesystemen in kritischen Bereichen wie Gesundheit, Biologie, Finanzen, Luft- und Raumfahrt und viele mehr.
HybridAGI ist ein Forschungsprojekt, um unsere Fähigkeiten zu demonstrieren, aber auch um unsere Vision sicherer AGI-Systeme für die Zukunft umzusetzen. Wir sind ein Bootstrapping-Startup, das nach realen Anwendungsfällen sucht, anstatt prätentiöse Behauptungen aufzustellen, um VCs zufrieden zu stellen und den Hype anzuheizen.
Da unsere Vorstellung von den Fähigkeiten von LLMs moderater ist als die anderer, versuchen wir aktiv, verschiedene Bereiche der KI (evolutionäres, symbolisches und tiefes Lernen) zu kombinieren, um diesen Sprung in die Zukunft zu schaffen, ohne den Planeten zu zerstören, indem wir uns allein auf die Skalierung verlassen. Abgesehen von den offensichtlichen Umweltauswirkungen haben wir durch die Verwendung kleiner/mittlerer Modelle ein besseres Verständnis und die Fähigkeit, nützliche Forschung ohne Billionen-Wert-Rechenzentren durchzuführen.
Mit HybridAGI sind wir auf diese Zukunft vorbereitet und zeigen gleichzeitig unser Verständnis moderner und traditioneller KI-Systeme. HybridAGI ist der Beweis dafür, dass man für die Arbeit an AGI-Systemen keine Milliarden von Dollar braucht und dass ein kleines Team leidenschaftlicher Menschen den Unterschied machen kann.
Wir haben HybridAGI aus verschiedenen Gründen unter der GNU GPL veröffentlicht. Der erste Grund besteht darin, dass wir unsere Arbeit und die unserer Mitwirkenden schützen möchten. Der zweite Grund ist, dass wir eine Zukunft schaffen wollen, in der die Menschen leben können, ohne von großen KI-Technologieunternehmen abhängig zu sein. Wir wollen die Menschen stärken und nicht versklaven, indem wir den Markt zerstören und Menschen arbeitslos machen, ohne die Möglichkeit zu haben, Eigentum an ihnen zu erwerben Wissen. HybridAGI ist ein Community-Projekt von der Community für die Community. Schließlich ist HybridAGI eine Möglichkeit, mit talentierten und gleichgesinnten Menschen auf der ganzen Welt in Kontakt zu treten und eine Gemeinschaft für eine wünschenswerte Zukunft zu schaffen.
Einige könnten argumentieren, dass HybridAGI nur eine Toolbox ist. Im Gegensatz zu LangChain oder Llama-Index wurde HybridAGI jedoch von Grund auf so konzipiert, dass es in Synergie mit einem speziellen LLM arbeitet, das auf unserer DSL/Architektur geschult ist. Wir haben unsere Software dank der Community weiterentwickelt und weil wir diejenigen sind, die unsere eigene Programmiersprache erstellt haben, sind wir auch die besten Leute, um sie zu programmieren. Wir haben im letzten Jahr des Projekts Daten gesammelt, viele Erweiterungstechniken erlernt und unsere Datensätze bereinigt, um unseren Wettbewerbsvorteil zu behalten. Möglicherweise veröffentlichen wir das von uns erstellte LLM zu einem bestimmten Zeitpunkt, wenn wir zu dem Schluss kommen, dass dies für uns von Vorteil ist.
Unsere Software wird unter der GNU GPL-Lizenz veröffentlicht, um uns und die Beiträge der Community zu schützen. Da die Logik Ihrer Anwendung getrennt ist (die Diagrammprogramme), besteht für Sie kein IP-Problem bei der Verwendung von HybridAGI. Darüber hinaus möchten Sie bei der Verwendung in der Produktion sicherlich einen FastAPI-Server einrichten, um Ihren Agenten anzufordern und das Backend und Frontend Ihrer App (z. B. einer Website) zu trennen, damit die GPL-Lizenz die anderen Teile Ihrer Software nicht kontaminiert. Bei Bedarf bieten wir unseren Kunden auch eine Doppellizenzierung an.
Werden Sie Teil unserer Community aus Entwicklern, Forschern und KI-Enthusiasten. Tragen Sie zum Projekt bei, teilen Sie Ihr Feedback und gestalten Sie die Zukunft von HybridAGI mit. Wir freuen uns über Ihre Teilnahme!
