chidori
v0.1.24
Bintang kami di GitHub! Bergabunglah dengan kami di Perselisihan.
Chidori adalah orkestra open-source, runtime, dan IDE untuk membangun perangkat lunak dalam simbiosis dengan alat AI modern. Ini terutama melayani pembangunan agen AI dengan memberikan solusi untuk masalah -masalah berikut:
Saat menggunakan Chidori, Anda menulis kode dengan Python atau JavaScript, kami menyediakan lapisan untuk berinteraksi dengan kompleksitas model AI dalam alur kerja yang berjalan lama. Kami telah menghindari kebutuhan untuk mendeklarasikan bahasa atau SDK baru untuk memberikan kemampuan ini sehingga Anda dapat memanfaatkan pola perangkat lunak yang sudah Anda kenal.
Fitur:
Chidori tersedia di Crates.io dan dapat diinstal menggunakan Cargo. Titik entri kami yang diharapkan untuk pengembangan prototipe adalah chidori-debugger yang membungkus runtime kami dalam antarmuka visual yang berguna.
# Install the rust toolchain and the nightly channel
curl --proto ' =https ' --tlsv1.2 -sSf https://sh.rustup.rs | sh
rustup toolchain install nightly
# Required for building dependencies
xcode-select --install
# These dependencies are necessary for a successful build
brew install cmake
# We are investigating if this is necessary or can be removed
brew install [email protected]
# Chidori uses uv for handling python dependencies
brew install uv
# We depend on features only supported by nightly at the moment
cargo +nightly install chidori-debugger --lockedJika Anda lebih suka menggunakan interpreter Python yang berbeda, Anda dapat mengatur pyo3_python = python3.12 (atau versi mana pun> 3.7) selama instalasi Anda untuk mengubah yang terhubung dengan.
Interaksi Chidori dengan default LLMS ke http: // localhost: 4000 untuk menghubungkan ke proxy Litellm. Jika Anda ingin memanfaatkan GPT-3.5-Turbo, file konfigurasi yang disertakan akan mendukungnya. Anda harus menginstal pip install litellm[proxy] untuk menjalankan di bawah ini:
export OPENAI_API_KEY=...
uv pip install " litellm[proxy] "
uv run litellm --config ./litellm_config.yamlContoh berikut menunjukkan cara membangun agen sederhana yang mengambil cerita teratas dari Hacker News dan memanggil API OpenAI untuk memfilter ke peluncuran terkait AI dan kemudian memformat data itu menjadi penurunan harga.
Agen Chidori dapat berupa file tunggal, atau kumpulan file yang disusun sebagai tipe tipikal atau proyek Python. Contoh berikut adalah agen file tunggal. Pertimbangkan ini mirip dengan sesuatu seperti notebook Jupyter/Ipython yang diwakili sebagai file penurunan harga.
`` `javascript (load_hacker_news)
const axios = membutuhkan ('https://deno.land/x/axiod/mod.ts');
const hn_url_top_stories = "https://hacker-news.firebaseio.com/v0/topstories.json";
function fetchstory (id) {
kembalikan axios.get (`https://hacker-news.firebaseio.com/v0/item/$ {id} .json? print = Pretty`)
.then (response => response.data);
}
fungsi async fetchHn () {
Const Stories = menunggu axios.get (hn_url_top_stories);
Const StoryIds = Stories.data;
// Hanya 30 yang pertama
tugas const = storyids.slice (0, 30) .map (id => fetchstory (id));
Return Promise.all (tugas)
.then (cerita => {
Return Stories.map (Story => {
const {title, url, skor} = Story;
return {title, url, skor};
});
});
}
`` `
Prompt "interpret_the_group"
`` `prompt (interpret_the_group)
Berdasarkan daftar utas Hackernews berikut,
Saring daftar ini hanya untuk peluncuran
Proyek AI baru: {{fetched_articles}}
`` `
Prompt "format_and_rank"
`` `prompt (format_and_rank)
Format daftar proyek AI baru ini dalam penurunan harga, peringkat paling banyak
Proyek menarik dari yang paling menarik hingga paling sedikit.
{{interpret_the_group}}
`` `
Menggunakan sel Python sebagai titik masuk kami, menunjukkan eksekusi antar bahasa:
`` `Python
artikel = menunggu fetchhn ()
format_and_rank (artikel = artikel)
`` `
Pada intinya, Chidori membawa runtime reaktif yang mengatur interaksi antara agen yang berbeda dan komponennya. Chidori menerima kode Python atau JavaScript sewenang -wenang, mengambil alih perantara dan eksekusi untuk memungkinkan gangguan dan reaktivitas. Ini memungkinkan Anda untuk mendapatkan manfaat dari perilaku runtime ini sambil memanfaatkan pola yang sudah Anda kenal.
Chidori memastikan pemantauan yang komprehensif dan pengamatan agen Anda. Kami merekam semua input dan output yang dipancarkan berdasarkan fungsi di seluruh pelaksanaan agen Anda, memungkinkan kami untuk menjelaskan dengan tepat apa yang mengarah pada apa, meningkatkan pengalaman debugging Anda dan pemahaman tentang perilaku produksi sistem.
Dengan Chidori, Anda dapat mengambil snapshot dari sistem Anda dan mengeksplorasi berbagai kemungkinan hasil dari titik itu (bercabang), atau memulihkan kembali sistem ke keadaan sebelumnya (perjalanan waktu). Fungsionalitas ini meningkatkan penanganan kesalahan, debugging, dan ketahanan sistem dengan menawarkan jalur alternatif dan do-over.
Chidori hadir dengan dukungan kelas satu untuk interpretasi kode untuk Python dan JavaScript. Anda dapat menjalankan kode secara langsung dalam sistem Anda, menyediakan startup cepat, kemudahan penggunaan, dan mengamankan eksekusi. Kami terus bekerja pada perlindungan tambahan terhadap menjalankan kode yang tidak dipercaya, dengan dukungan lingkungan yang dikemukakan segera hadir.
Dengan grafik eksekusi kami, pelestarian negara, dan alat untuk debugging - Chidori adalah lingkungan yang luar biasa untuk menghasilkan kode selama evaluasi agen Anda. Anda dapat menggunakan ini untuk memanfaatkan LLMS untuk mencapai perilaku yang lebih umum dan untuk mengembangkan agen Anda dari waktu ke waktu.
Ini adalah rilis open source awal dan kami mencari kolaborator dari komunitas. Tempat yang baik untuk memulai adalah bergabung dengan perselisihan kami!
Kerangka kerja kami terinspirasi oleh karya banyak orang lain, termasuk:
Chidori berada di bawah lisensi MIT. Lihat lisensi untuk informasi lebih lanjut.
Silakan bintangi repo GitHub dan bergabunglah dengan perselisihan kami!
