OptimAI python

OptimAI

OptimAI adalah modul Python canggih yang dirancang untuk mengoptimalkan kode Anda dengan menganalisis kinerjanya dan memberikan saran yang dapat ditindaklanjuti. Ini memanfaatkan model bahasa besar (LLM) untuk memberi Anda wawasan dan rekomendasi mendetail berdasarkan data pembuatan profil yang dikumpulkan selama eksekusi kode Anda. Modul ini mendukung berbagai macam profiler dari paket perfwatch.

Fitur

• Dekorator khusus untuk mengoptimalkan fungsi dengan mudah.
• Integrasi dengan perfwatch untuk profil kinerja.
• Tangkap dan analisis stdout, waktu eksekusi fungsi, penggunaan jaringan, panggilan fungsi, penggunaan CPU/GPU, dll menggunakan perfwatch.
• Integrasi yang mulus dengan berbagai LLM untuk saran pengoptimalan kode.
• Dukungan untuk OpenAI, Google Gemini, HuggingFace (offline), ollama dan Anthropic.
• Permintaan yang dioptimalkan untuk kinerja terbaik di LLM mana pun yang menggunakan dspy

Instalasi

Anda dapat menginstal OptimAI menggunakan pip:

pip install optimizeai

Pengaturan

Untuk menggunakan OptimAI, Anda perlu mengonfigurasinya dengan penyedia LLM pilihan Anda dan kunci API. Penyedia LLM yang didukung termasuk Google (model Gemini), OpenAI, Ollama, HuggingFace, dan Anthropic. Untuk Ollama Anda harus menginstal Ollama dan artefak model juga perlu diunduh sebelumnya.

1. Pilih Penyedia LLM :

   • Untuk model Google Gemini: llm = "google"
   • Untuk model OpenAI: llm = "openai"
   • Untuk Memeluk Wajah offline: llm = "huggingface"
   • Untuk model Antropik: llm = "anthropic"
   • Untuk model Ollama lokal: llm = "ollama"

2. Pilih Modelnya :

   • Contoh: model = "gpt-4" , model = "gemini-1.5-flash" , model = "codegemma" , atau model lain khusus untuk penyedia LLM yang dipilih.

3. Tetapkan Kunci API :

   • Gunakan kunci API yang sesuai untuk penyedia LLM yang dipilih. Tidak diperlukan kunci API untuk Inferensi Huggingface dan Ollama lokal.

Kode Contoh

Berikut adalah contoh dasar yang menunjukkan cara menggunakan OptimAI untuk mengoptimalkan suatu fungsi:

 from optimizeai . decorators . optimize import optimize
from optimizeai . config import Config
from dotenv import load_dotenv
import time
import os

# Load environment variables
load_dotenv ()
llm = os . getenv ( "LLM" )
key = os . getenv ( "API_KEY" )
model = os . getenv ( "MODEL" )

# Configure LLM
llm_config = Config ( llm = llm , model = model , key = key )
perfwatch_params = [ "line" , "cpu" , "time" ]

# Define a test function to be optimized
@ optimize ( config = llm_config , profiler_types = perfwatch_params )
def test ():
    for _ in range ( 10 ):
        time . sleep ( 0.1 )
        print ( "Hello World!" )
        pass

if __name__ == "__main__" :
    test ()

Mengatur Variabel Lingkungan

Anda dapat mengatur variabel lingkungan ( LLM , API_KEY , MODEL ) dalam file .env untuk kemudahan penggunaan:

 LLM=google
API_KEY=your_google_api_key
MODEL=gemini-1.5-flash

Fitur Mendatang

• Peningkatan Konteks untuk Pengoptimalan Kode : Tingkatkan konteks yang diberikan kepada LLM untuk rekomendasi pengoptimalan yang lebih akurat dan relevan.
• Pembuatan Laporan : Laporan pengoptimalan yang tepat akan dihasilkan.
• Dukungan untuk Konfigurasi yang Lebih Baik : Dukungan konfigurasi yang lebih baik hadir melalui mana Anda dapat mengatur berbagai parameter llm.

Berkontribusi

Kami menyambut baik kontribusi untuk OptimAI! Jika Anda mempunyai ide untuk fitur baru atau menemukan bug, silakan buka terbitan di GitHub. Jika Anda ingin menyumbangkan kode, silakan fork repositori dan kirimkan permintaan penarikan.

Langkah-langkah untuk Berkontribusi

1. Cabangkan repositori.
2. Buat cabang baru ( git checkout -b feature-branch ).
3. Buat perubahan Anda.
4. Komit perubahan Anda ( git commit -m 'Add new feature' ).
5. Dorong ke cabang ( git push origin feature-branch ).
6. Buka permintaan tarik.

Lisensi

OptimAI dilisensikan di bawah Lisensi MIT. Lihat file LISENSI untuk lebih jelasnya.