さらに多くの機能を備えたマネージド ソリューションについては、https://insighttai.dev/project にアクセスしてください。
Insightは、医学研究を行うことができる自律型AIです。これには、目標と、すでに完了したタスクとその結果の概要を取得し、タスク リストを作成するボス エージェントがあります。ワーカー エージェントはリストからタスクを選択して完了し、結果をラマ インデックスに保存します。上司は結果を受け取り、タスクリストを変更/再優先順位付けします。ワーカーは、pubmed および mygene API (さらに追加予定) を呼び出すことができます。また、ワーカーはタスクを完了するためにラマ インデックスからコンテキストを取得します。
INSIGHT は、リロードして実行を継続することもできます。また、人間が判読できるデータ ファイルをロードして、他の結果と併せて使用することもできます。
また、 talk_to_index.py
を実行することで、llama インデックス データベースをロードしてデータに話しかけ、データについて任意の質問をすることもできます。ファイルの最後にインデックスへのパスを指定する必要があります。例については、 talk_to_index.py
の下部を参照してください。
これに興味がある場合は、私に連絡するか、貢献してください:) 私のメールアドレスは [email protected] です。
グラフTB。
サブグラフ API。
API1[公開された API];
API2[MYGENE API];
終わり;
Boss((BOSS AGENT)) <--> GPT[LLM];
ラマ[(LLAMA INDEX)] -->|結果の概要|ボス;
ボス -->|作成|キュー[タスクリスト];
ワーカー((ワーカーエージェント)) <--> GPT;
キュー --> |プル|ワーカー;
ラマ -->|タスクのコンテキスト|ワーカー;
ワーカー --> 結果[タスクの結果];
結果 --> |テキスト|ラマ;
結果 -->|コード|エグゼキューター{PYTHON エグゼキューター};
実行者 --> API1[PUBMED];
実行者 --> API2[MYGENE];
実行者 --> 実行[実行結果];
処刑 --> ラマ;
ラマ <--> TalkToIndex[インデックスにトーク];
ユーザー{{ユーザー}} -->|クエリ| TalkToIndex;
TalkToIndex -->|結果|ユーザー;
OpenAI にサインアップする
次の環境変数を公開します
または
API キーを構成ファイルに追加します。これを行う場合は、バージョン管理システムを使用してコミットしないでください。
pip install -r requirements.txt
実行します。
python main.py
を実行します
プログラムはすべてのタスクの結果を保存し、出力ディレクトリに追加しますout
また、次のコマンドを使用してデータを抽出するすべての結果に対する重要な結果のマークダウン ファイルも作成します。
任意のコマンドを追加できます。最高のエクスペリエンスを得るには、これをマークダウン エディターで開きます。
これは出力構造の例です
.
└── 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
出費に注意してください!!
現時点では、数分間の死刑執行にかかる費用は数セントにすぎません。 GPT-4 などのより強力なモデルを使用すると、この値はさらに上がります。