choco builder

Chocobuilder (auch bekannt als Schokoladenfabrik)

Lesen Sie die Dokumente →

Was ist Chocobuilder?

Chocobuilder (Origin Chocolate Factory) ist ein Open Source LLM -Anwendungsentwicklungsrahmen, mit dem Sie einfach einen leistungsstarken Assistenten der Softwareentwicklung erstellen können.

Für native (Android/iOS/Embedded-Gerät) SDK: siehe https://github.com/unit-mesh/edgeinfer

QuickStart

Methode 1: Integrieren Sie in JVM -Projekt

Modulliste: https://central.sonatype.com/namespace/cc.unitmesh

dependencies {
    // 核心模块
    implementation ' cc.unitmesh:cocoa-core:1.0.0 '
    // Pinecone
    implementation ' cc.unitmesh:store-pinecone:1.0.0 '
    // ElasticSearch
    implementation ' cc.unitmesh:store-elasticsearch:1.0.0 '
    // ...其它模块
}

Weitere Beispiele finden Sie unter Beispiele: Beispiele/

Methode 2: Verwenden Sie Ragscript

@file:DependsOn( " cc.unitmesh:rag-script:1.0.0 " )

import cc.unitmesh.rag.*

rag {
    indexing {
        val chunks = document( " README.md " ).split()
        store.indexing(chunks)
    }

    querying {
        store.findRelevant( " workflow dsl design " )
            .lowInMiddle()
            . also {
                println (it)
            }
    }
}

Methode 3: Beispiel für lokale Bereitstellung

git clone https://github.com/unit-mesh/chocolate-factory
# modify OPENAI_API_KEY and OPENAI_HOST in docker-compose.yml
docker-compose up

Anwendungsfälle

Desktop/IDE:

• https://github.com/unit-mesh/auto-dev-Der Assistent der AI-gestützten Codierung mit mehrsprachiger Unterstützung, Autocodegenerierung und einem hilfreichen Fehler-Slaying-Assistent
• https://github.com/phodal/shire - AI Coding Agent Sprache

Server:

• https://github.com/unit-mesh/devops-genius/

Android:

• https://github.com/unit-mesh/android-semantic-search-kit

Entwicklung

Siehe in https://framework.unitmesh.cc/ oder siehe in Dokumenten

Designphilosophie: Domänengetriebene Problemlösung

Die Schlüsselkonzepte von Chocobuilder sind:

(PS: Ursprung von Michael Plöd bei der Ausrichtung von Organisation und Architektur mit strategischer DDD)

Das Problem eines Benutzers wird durch die folgenden Schritte verarbeitet:

1. Problemclarifier.kt
2. Problemanalyzer.kt
3. LösungDesigner.kt
4. SolutionReviewer.kt
5. LösungExecutor.kt

• Online -Demo: https://framework.unitmesh.cc/ (Todo)
• Video Demo: https://www.bilibili.com/video/bv1t14y1c7p2
• GIF -Demo:

Beispiel 1: Frontend Screenshot

• Schritt 1: Problemclarifier: Verwenden Sie das Responsive Layout, um eine Chat -Seite zu schreiben
  • Schritt 1.1: Problemclarifier: Links befindet sich eine Navigation, in der Mitte befindet sich ein Chat -Bereich und am unteren Rand des Chat -Bereichs befindet sich eine Eingabetaste.
• Schritt 2: SolutionDesigner: Bitte bestätigen Sie, ob das folgende Design Ihren Anforderungen entspricht. Wenn es sich trifft, antworten Sie bitte "Ja".
• Schritt 3: SolutionExecutor: Generieren Sie eine Chat -Seite

Beispiel 2: Semantische Codesuche

• Schritt 1: Problemanalyzer analysiert die Benutzeranforderungen und konvertiert sie in mehrere semantische Abfragen
  • Chinesische, Englisch, Hyde Modi
• Schritt 2: SolutionExecutor: Rufen Sie die relevantesten Codeausschnitte aus der Datenbank gemäß den Anforderungen des Benutzers ab und fassten von ChatGPT zusammen

Beispieleingabe: Wie wird der semantische Workflow implementiert?

Endgültige Ausgabe:

Beispiel 3: TestCase -Generator

• Schritt 1: Problemanalyzer analysiert die Anforderungen des Benutzers und bestätigt, ob es sich um eine Anforderung handelt, die durch einen Testfall generiert wird.
  • Multi-Temperaturmodus: Temperaturemode. Default, Temperaturemode.Creative
• Schritt 2: SolutionDesigner entwirft die Lösung für die Testfallgenerierung
• Schritt 3: SolutionReviewer bestätigt, ob die Lösung den Anforderungen des Benutzers entspricht

Beispieleingabe: Benutzer veröffentlicht Artikel

Endgültige Ausgabe:

Beispiele 4: Code -Interpreter

• Schritt 1: SolutionExecutor

Beispiel 1: Schreiben Sie eine Multiplikationstabelle

Ausgangsbeispiel:

1    2    3    4    5    6    7    8    9
2    4    6    8    10    12    14    16    18
3    6    9    12    15    18    21    24    27
4    8    12    16    20    24    28    32    36
5    10    15    20    25    30    35    40    45
6    12    18    24    30    36    42    48    54
7    14    21    28    35    42    49    56    63
8    16    24    32    40    48    56    64    72
9    18    27    36    45    54    63    72    81    

Beispiel 2: Generieren Sie Diagramme basierend auf den Anforderungen (TODO)

Erstellen Sie für die erste Hälfte von 2023 ein Stromabrechnungsdiagramm.

Prozesscode:

 %use lets-plot

import kotlin.math.PI
import kotlin.random.Random


val incomeData = mapOf(
    "x" to listOf("一月", "二月", "三月", "四月", "五月", "六月"),
    "y" to listOf(201.2, 222, 234.3, 120.2, 90, 94.4)
)
letsPlot(incomeData) { x = "x"; y = "y" } +
        geomBar(stat = Stat.identity) +
        geomText(labelFormat = "${.2f}") { label = "y"; } +
        ggtitle("2023 年上半年电费")

Endgültige Ausgabe:

Lizenz

RAG -Relevante Module wurden von inspiriert von

• Langchain4J
• Langchain
• Llamaindex
• Frühlings -AI

Einige Lappenmodule basieren auf Langchain4j und Spring AI, die unter der Apache -Lizenz 2.0 lizenziert sind.

Dieser Code wird unter der MPL 2.0 LICENSE verteilt.