INSIGHT

CONOCIMIENTO

Visite https://insightai.dev/project para conocer nuestra solución administrada con muchas más funciones.

Insight es una IA autónoma que puede realizar investigaciones médicas. Tiene un agente jefe que toma un objetivo y un resumen ejecutivo de las tareas ya completadas y sus resultados y crea una lista de tareas. Un agente trabajador selecciona una tarea de la lista y la completa, guardando los resultados en llama index. El jefe se informa de los resultados y cambia/reprioriza la lista de tareas. Los trabajadores pueden llamar a las API pubmed y mygene (más por venir). Los trabajadores también obtienen contexto del índice de llamas para ayudarlos a completar sus tareas.

INSIGHT también puede recargar y continuar ejecuciones, y también cargar cualquier archivo de datos legible por humanos y usarlo junto con los otros hallazgos.

También puede cargar su base de datos de índice de llama y hablar con ella, haciendo preguntas arbitrarias sobre sus datos, ejecutando talk_to_index.py Tendrá que especificar la ruta a su índice en la parte inferior del archivo. Consulte la parte inferior de talk_to_index.py para ver un ejemplo.

Comuníquese conmigo o contribuya si esto le interesa :) Mi correo electrónico es [email protected]

 gráfica TB;

    API de subgrafos;
        API1[API PUBMED];
        API2[MIGENE API];
    fin;

    Jefe((JEFE AGENTE)) <--> GPT[LLM];
    Llama[(LLAMA INDEX)] -->|Resumen de resultados| Jefe;
    Jefe -->|Crear| Cola[LISTA DE TAREAS];

    Trabajador((AGENTE TRABAJADOR)) <--> GPT;
    Cola --> |Extraer| Obrero;
    Llama -->|Contexto de la tarea| Obrero;
    Trabajador --> Resultado[Resultado de la tarea];

    Resultado --> |Texto| Llama;
    Resultado -->|Código| Ejecutor {EJECUTOR DE PYTHON};

    Ejecutor --> API1[PUBMED];
    Ejecutor --> API2[MIGENO];
    Ejecutor --> Ejecución[Resultado de la ejecución];

    Ejecución --> Llama;

    Llama <--> TalkToIndex[Hablar con índice];

    Usuario{{Usuario}} -->|Consulta| hablar con índice;
    TalkToIndex -->|Resultado| Usuario;

Empezando

1. Regístrese en OpenAI

2. Exponer la siguiente variable de entorno

   • OPENAI_API_KEY

   O

   Agregue su clave API al archivo de configuración. SI HACE ESTO, ¡NO LOS COMPROMETA CON NINGÚN SISTEMA DE CONTROL DE VERSIONES!

3. ejecute pip install -r requirements.txt

4. ejecutar python main.py

Producción

El programa guarda el resultado de cada tarea y lo agrega al directorio de out

También crea un archivo de rebajas de hallazgos clave sobre todos los resultados que destila los datos mediante los siguientes comandos:

• Haga un breve resumen de alto nivel de todos los datos.
• Enumere brevemente todos los puntos principales que cubren los datos.
• Proporcione todos los conocimientos clave sobre los datos.
• Generar varias hipótesis creativas a partir de los datos.
• ¿Cuáles son algunas direcciones de investigación de alto nivel para explorar más a fondo teniendo en cuenta los datos?
• Describa los hallazgos clave con gran detalle. No incluya palabras de relleno.

Se pueden agregar comandos arbitrarios. Ábralo en un editor de rebajas para obtener la mejor experiencia.

Aquí hay un ejemplo de estructura de salida.

 .
└── 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

¡¡CUIDADO CON LOS GASTOS!!

Actualmente, una ejecución de unos minutos no debería costar más que unos pocos céntimos. Esto aumentará si usas un modelo más potente como GPT-4