choco builder

Chocobuilder (también conocido como Chocolate Factory)

Lea los documentos →

¿Qué es Chocobuilder?

Chocobuilder (Origin Chocolate Factory) es un marco de desarrollo de aplicaciones LLM de código abierto diseñado para ayudarlo a crear fácilmente un poderoso asistente de generación de desarrollo de software SDLC + LLM.

Para SDK nativo (Android/iOS/INCREDDED): ver en https://github.com/unit-mesh/edge-infer

Inicio rápido

Método 1: Integrar en el proyecto JVM

Lista de módulos: 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
}

Ver más ejemplos: ejemplos/

Método 2: Use 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)
            }
    }
}

Método 3: Ejemplo de implementación local

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

Casos de uso

Escritorio/ide:

• https://github.com/unit-mesh/auto-dev-El asistente de codificación a IA con soporte multilingüe, generación de código automotriz y un asistente útil para solucionar errores
• https://github.com/phodal/shire - lenguaje de agente de codificación de IA

Servidor:

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

Androide:

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

Desarrollo

Ver en https://framework.unitmesh.cc/ o ver en documentos

Filosofía de diseño: resolución de problemas impulsados ​​por el dominio

Los conceptos clave de Chocobuilder son:

(PD: Origen hecho por Michael Plöd en Alinear la organización y la arquitectura con DDD estratégico)

El problema de un usuario se procesa mediante los siguientes pasos:

1. Problemclarifier.kt
2. Problemanalyzer.kt
3. SolutionDesigner.kt
4. SolutionReviewer.kt
5. SolutionExecutor.kt

• Demo en línea: https://framework.unitmesh.cc/ (TODO)
• Demo de video: https://www.bilibili.com/video/bv1t14y1c7p2
• Demo de GIF:

Ejemplo 1: Captura de pantalla frontend

• Paso 1: Problema Clarificador: Use el diseño receptivo para escribir una página de chat
  • Paso 1.1: ProblemClarifier: a la izquierda hay una navegación, en el medio hay un área de chat, y en la parte inferior del área de chat hay un botón de entrada.
• Paso 2: SolutionDesigner: confirme si el siguiente diseño cumple con sus requisitos. Si se reúne, responda "Sí".
• Paso 3: SolutionExecutor: generar una página de chat

Ejemplo 2: Búsqueda de código semántico

• Paso 1: Problemanalyzer analiza las necesidades del usuario y las convierte en múltiples consultas semánticas
  • Modos chino, inglés, hyde
• Paso 2: SolutionExecutor: recupere los fragmentos de código más relevantes de la base de datos de acuerdo con las necesidades del usuario y resumido por ChatGPT

Entrada de ejemplo: ¿Cómo se implementa el flujo de trabajo semántico?

Salida final:

Ejemplo 3: Generador de prueba

• Paso 1: Problemanalyzer analiza los requisitos del usuario y confirma si es un requisito generado por un caso de prueba.
  • Modo de temperatura múltiple: temperatura.default, temperatureMode.creative
• Paso 2: SolutionDesigner diseña la solución para la generación de casos de prueba
• Paso 3: SolutionReviewer confirma si la solución satisface las necesidades del usuario

Entrada de ejemplo: artículo publicado por el usuario

Salida final:

Ejemplos 4: intérprete de código

• Paso 1: SolutionExecutor

Ejemplo 1: Escribe una tabla de multiplicación

Ejemplo de salida:

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    

Ejemplo 2: Generar gráficos basados ​​en requisitos (TODO)

Genere un gráfico de facturas de electricidad para la primera mitad de 2023, la información es la siguiente: ### 1 ~ junio: 201.2,222,234.3,120.2,90,90.4 ###

Código de proceso:

 %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")

Salida final:

Licencia

Los módulos relevantes de trapo se inspiraron

• Langchain4j
• Langchain
• Llamado
• AI de primavera

Algunos módulos RAG basados ​​en Langchain4J y Spring AI, que tiene licencia bajo la licencia de Apache 2.0.

Este código se distribuye bajo la LICENSE MPL 2.0.