INSIGHT

ENTENDIMENTO

Visite https://insightai.dev/project para nossa solução gerenciada com muito mais recursos!

Insight é uma IA autônoma que pode fazer pesquisas médicas. Possui um agente chefe que pega um objetivo e um resumo executivo das tarefas já concluídas e seus resultados e cria uma lista de tarefas. Um agente trabalhador seleciona uma tarefa da lista e a conclui, salvando os resultados no índice lhama. O chefe é informado dos resultados e altera/reprioriza a lista de tarefas. Os trabalhadores podem ligar para as APIs pubmed e mygene (mais em breve). Os trabalhadores também obtêm contexto do índice de lhama para ajudar a concluir suas tarefas.

O INSIGHT também pode recarregar e continuar execuções, e também carregar qualquer arquivo de dados legível por humanos e usá-lo junto com outras descobertas!

Você também pode carregar seu banco de dados de índice de lhama e conversar com ele, fazendo perguntas arbitrárias sobre seus dados, executando talk_to_index.py Você terá que especificar o caminho para seu índice na parte inferior do arquivo. Veja a parte inferior de talk_to_index.py para ver um exemplo.

Por favor, entre em contato comigo ou contribua se isso for do seu interesse :) Meu e-mail é [email protected]

 gráfico TB;

    APIs de subgrafo;
        API1[API PUBMED];
        API2[API MYGENE];
    fim;

    Chefe((AGENTE BOSS)) <--> GPT[LLM];
    Lhama[(LLAMA INDEX)] -->|Resumo dos resultados| Chefe;
    Chefe -->|Criar| Fila[LISTA DE TAREFAS];

    Trabalhador((AGENTE TRABALHADOR)) <--> GPT;
    Fila --> |Puxar| Trabalhador;
    Lhama -->|Contexto para tarefa| Trabalhador;
    Trabalhador --> Resultado[Resultado da Tarefa];

    Resultado --> |Texto| Lhama;
    Resultado -->|Código| Executor{EXECUTOR PYTHON};

    Executor --> API1[PUBMED];
    Executor --> API2[MYGENE];
    Executor --> Execução[Resultado da Execução];

    Execução --> Lhama;

    Lhama <--> TalkToIndex[Talk To Index];

    Usuário{{Usuário}} -->|Consulta| TalkToIndex;
    TalkToIndex -->|Resultado| Usuário;

Começando

1. Inscreva-se no OpenAI

2. Exponha a seguinte variável de ambiente

   • OPENAI_API_KEY

   OU

   Adicione sua chave de API ao arquivo de configuração. SE VOCÊ FAZER ISSO, NÃO OS COMPROMETA COM NENHUM SISTEMA DE CONTROLE DE VERSÃO!

3. execute pip install -r requirements.txt

4. execute python main.py

Saída

O programa salva o resultado de cada tarefa e o adiciona ao diretório de out

Ele também cria um arquivo de marcação de descobertas principais sobre todos os resultados que destila os dados por meio dos seguintes comandos:

• Forneça um breve resumo de alto nível de todos os dados.
• Liste resumidamente todos os pontos principais que os dados cobrem.
• Forneça todos os principais insights sobre os dados.
• Gere várias hipóteses criativas com base nos dados.
• Quais são algumas direções de pesquisa de alto nível a serem exploradas mais a fundo, dados os dados?
• Descreva as principais descobertas detalhadamente. Não inclua palavras de preenchimento.

Comandos arbitrários podem ser adicionados. Abra-o em um editor de descontos para obter a melhor experiência.

Aqui está um exemplo de estrutura de saída

 .
└── 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

TENHA CUIDADO COM AS DESPESAS!!

Atualmente uma execução de alguns minutos não deve custar mais do que alguns centavos. Isso aumentará se você usar um modelo mais poderoso como o GPT-4