HybridAGI
1.0.0
Что отличает наш подход от «Агента как графа», так это тот факт, что наша система агентов представляет собой не процесс, представленный графом, а интерпретатор, который может читать/записывать и выполнять структуру данных графа (графовых программ), отделенную от этого процесса. Предоставляя агенту возможность обучаться путем выполнения, чтения и изменения графовых программ (как и любых других данных), HybridAGI по своей сути представляет собой самопрограммирующуюся систему, основанную на языке Cypher. Это готовый к производству исследовательский проект, сосредоточенный на нейросимволическом программировании, синтезе программ и символическом искусственном интеллекте.
Полный DSL Тьюринга : Полный доменно-специфичный язык Тьюринга (DSL) HybridAGI был специально разработан для описания бесконечного количества алгоритмов с использованием только 4 различных типов узлов (управление, действие, решение, программа). Агент-интерпретатор может зацикливаться и вызывать подпрограммы, подобно традиционному языку программирования.
Поиск программ по графу и динамический вызов . Поскольку наша система агентов представляет собой не статический конечный автомат, а интерпретатор, который интерпретирует DSL на основе графа узел за узлом, она может искать программы в памяти и динамически вызывать лучшую из них для решения пользовательского запроса.
Оптимизируемый конвейер и агент : с помощью HybridAGI и DSPy вы можете оптимизировать конвейеры обработки данных и систему агентов в соответствии с вашими потребностями. Поскольку каждый модуль HybridAGI также является модулем DSPy, вы можете легко использовать с ними оптимизаторы DSPy.
Поведение агента как программное обеспечение : с помощью HybridAGI вы можете реализовать поведение агента как программное обеспечение Cypher, что позволяет стартапам и компаниям создавать свои собственные IP-адреса на основе своей бизнес-логики, реализованной в Cypher.
Система, ориентированная на память : HybridAGI — это система, ориентированная на память, которая активно использует графики знаний как для выполнения программ, так и для хранения структурированных знаний. Это позволяет использовать приложения Knowledge Graph RAG для критических доменов.
Безопасно и безопасно : особое внимание было уделено предотвращению шифровальных инъекций, а также предотвращению модификации системой агентов своего основного механизма подсказок путем введения концепции защищенных программ.
Предсказуемое/детерминированное поведение и бесконечное количество инструментов . Поскольку мы не позволяем агенту выбирать последовательность используемых инструментов, мы можем использовать бесконечное количество инструментов. Следуя графическим программам, мы обеспечиваем предсказуемую и детерминированную методологию для нашей агентской системы. Мы можем объединить каждую систему памяти в одного уникального Агента, используя соответствующие инструменты без ограничений.
HybridAGI — это первый программируемый агент на основе LLM, который позволяет вам определять его поведение, используя подход к программированию подсказок на основе графов . В отличие от других фреймворков, которые рассматривают агентов как продвинутых чат-ботов, мы приняли методологию, основанную на информатике, когнитивных науках и символическом искусственном интеллекте.
Для нас агентная система — это целенаправленное когнитивное программное обеспечение, которое может обрабатывать естественный язык и выполнять задачи, для выполнения которых оно было запрограммировано. Как и в случае с традиционным программным обеспечением, разработчик определяет поведение приложения, и система не является по-настоящему автономной, если она не запрограммирована на такую автономность. Программирование системы не только помогает агенту выполнять свои задачи, но и позволяет формализовать замысел разработчика .
HybridAGI предназначен для специалистов по обработке данных, инженеров быстрого реагирования, исследователей и энтузиастов искусственного интеллекта, которые любят экспериментировать с искусственным интеллектом. Это продукт «Build Yourself», который фокусируется на творчестве человека, а не на автономности ИИ.
Чтобы легко установить HybridAGI, мы рекомендуем вам использовать pip со следующей командой:
pip install hybridagi
Если вы хотите более подробно изучить нашу систему или внести свой вклад в проект, вы можете использовать следующую команду для установки HybridAGI из исходных кодов:
git clone https://github.com/SynaLinks/HybridAGI
cd HybridAGI
pip install .
Никаких агентов React здесь нет . Единственная агентская система, которую мы предоставляем, — это наш собственный агент-интерпретатор графов , который следует строгой методологии, выполняя поузловые программы графов, которые находятся в его памяти. Поскольку мы контролируем поведение агента от начала до конца, перекладывая планирование на символические компоненты, мы можем легко исправлять/улучшать поведение системы, устраняя необходимость в точной настройке, но также позволяя системе обучаться на лету.
Компания HybridAGI основана на многолетнем опыте создания надежных робототехнических систем. Мы объединили наши знания в области робототехники, символического искусственного интеллекта, магистратуры и когнитивных наук в продукт для программистов, специалистов по обработке данных и инженеров искусственного интеллекта. Долговременная память нашей системы агентов активно использует графы для хранения структурированных и неструктурированных знаний, а также графических программ.
Мы предоставляем вам все необходимое для создания вашего приложения LLM с упором на базы данных Cypher Graph. Мы также предоставляем локальную базу данных для быстрого прототипирования перед масштабированием вашего приложения с помощью одной из наших интеграций.
С помощью HybridAGI вы можете создавать конвейеры извлечения данных, приложения RAG или расширенные системы агентов, каждую из которых можно оптимизировать с помощью оптимизаторов DSPy. Мы также предоставляем готовые модули и метрики для упрощения прототипирования.
Каждый модуль и тип данных строго типизированы и используют Pydantic в качестве уровня проверки данных. Вы можете быстро построить конвейеры, последовательно укладывая модули, как в Keras или HuggingFace.
Мы предоставляем следующий список встроенных инструментов для чтения/записи в систему памяти или изменения состояния агента:
| Название инструмента | Использование |
|---|---|
Predict | Используется для заполнения контекста аргументирующей информацией. |
ChainOfThought | Используется для заполнения контекста аргументирующей информацией. |
Speak | Используется для отправки сообщения Пользователю и предоставления окончательного ответа. |
AskUser | Используется, чтобы задать вопрос пользователю (может имитировать личность пользователя) |
UpdateObjective | Обновите долгосрочную цель агента |
AddDocument | Сохраните в памяти новый документ |
AddFact | Сохраняйте в памяти новые факты |
AddGraphProgram | Сохранить в памяти новую программу (переопределить, если она существует) |
DocumentSearch | Используется для поиска информации в памяти документа. |
PastActionSearch | Используется для поиска прошлых действий в памяти трассировки. |
EntitySearch | Используется для поиска сущностей в памяти фактов. |
FactSearch | Используется для поиска фактов в памяти фактов. |
GraphProgramSearch | Используется для поиска графических программ в памяти программ. |
ReadGraphProgram | Используется для чтения графической программы из памяти по имени. |
CallGraphProgram | Используется для динамического вызова графической программы из памяти по имени. |
Вы можете добавить больше инструментов, используя FunctionTool и функции Python, например вызов функций в настоящее время.
Мы принимаем взносы на дополнительную интеграцию баз данных. Не стесняйтесь присоединяться к каналу Discord для получения дополнительной информации!
Мы недовольны нынешней траекторией развития агентных систем, которым не хватает контроля и эффективности. Сегодняшний подход предполагает создание агентов React/MKRL, которые работают независимо, без контроля человека, что часто приводит к бесконечным бессмысленным циклам из-за их тенденции оставаться в пределах распределения данных. Мультиагентные системы пытаются решить эту проблему, но они часто приводят к еще большей ерунде и непомерно высоким затратам из-за болтовни агентов. Кроме того, сегодняшним агентам часто требуется тонкая настройка для улучшения или исправления их поведения, что может оказаться трудоемким и сложным процессом.
С HybridAGI единственное, что вам нужно сделать, это изменить график поведения (графовые программы). Мы считаем, что точная настройка должна быть последним средством, когда контекстное обучение не дает желаемых результатов. Встраивая когнитивные науки в концепции информатики, мы даем программистам возможность создавать агентную систему своей мечты, контролируя последовательность действий и решений. Наша цель — создать систему агентов, которая сможет решать реальные проблемы, используя промежуточный язык, который интерпретируется как людьми, так и машинами. Если мы хотим держать людей в курсе событий в ближайшие годы, нам необходимо разработать для этой цели агентные системы.
LangGraph построен на основе LangChain, как и в прошлом году с HybridAGI. Однако, учитывая направление команды LangChain на поощрение агентов ReACT, которым не хватает контроля и объяснимости, мы перешли на DSPy, который обеспечивает большую ценность за счет сосредоточения внимания на оптимизации конвейеров. Недавно появился LangGraph, чтобы компенсировать неэффективное принятие решений LangChain, но мы уже доказали ценность нашей работы. Более того, LangGraph, как и многие агентные среды, описывает статический конечный автомат. Наше видение систем AGI заключается в том, что необходимо быть полным по Тьюрингу, что характерно для многих агентных инфраструктур, но для того, чтобы по-настоящему начать путь AGI, также требуется возможность программирования на лету (что означает настоящее непрерывное обучение), а это отсутствует в других рамках.
Llama-Index недавно выпустила систему агентов, управляемую событиями, похожую на LangGraph, это статический конечный автомат, и к их работе применимы те же замечания.
HybridAGI создан на основе превосходной работы команды DSPy и задуман как абстракция для упрощения создания сложных программ DSPy в контексте агентов LLM. DSPy является более общим и также используется для более простых задач, не требующих агентных систем. В отличие от DSPy, наши программы не статичны, а динамичны и могут адаптироваться к запросу пользователя, динамически вызывая программы, хранящиеся в памяти. Более того, мы сосредотачиваем нашу работу на объяснимых нейросимволических системах AGI с использованием графов. Графические программы легче создавать, чем реализовывать их с нуля с помощью DSPy. Если DSPy — это PyTorch для приложений LLM, думайте о HybridAGI как о Keras или HuggingFace нейросимволических агентов LLM.
OpenAI o1 и HybridAGI преследуют множество общих целей, но при их создании учитываются разные парадигмы. Как и OpenAI o1, HybridAGI использует многоэтапный вывод и представляет собой целенаправленную агентную систему. Однако, в отличие от OpenAI o1, мы управляем трассировкой CoT нашей системы агентов вместо того, чтобы позволить ей свободно исследовать свое пространство действий, парадигма, более похожая на A *, где агент перемещается по определенному графу, а не по графу Q-обучения. Это приводит к более эффективному рассуждению, поскольку эксперты могут запрограммировать его для решения конкретного варианта использования. Мы можем использовать меньшие LLM, уменьшая воздействие на окружающую среду и увеличивая рентабельность инвестиций. Обратной стороной нашей технологии является то, что вам нужны экспертные знания в своей области, а также в программировании и системах искусственного интеллекта, чтобы наилучшим образом использовать ее возможности. По этой причине мы предоставляем услуги аудита, консалтинга и разработки людям и компаниям, которым не хватает технических навыков в области искусственного интеллекта для внедрения своей системы.
Мы не находимся в Кремниевой долине и не являемся частью крупной компании; мы небольшая преданная своему делу команда с юга Франции. Наше внимание сосредоточено на создании продукта искусственного интеллекта, в котором пользователь сохраняет контроль. Мы недовольны текущей траекторией развития продуктов на основе агентов. Мы являемся экспертами в области взаимодействия человека и робота и создания интерактивных систем, которые ведут себя ожидаемым образом. Хотя мы черпаем вдохновение из когнитивных наук и символического искусственного интеллекта, мы стремимся сохранить наши концепции, основанные на информатике, для более широкой аудитории.
Наша миссия выходит за рамки безопасности и производительности ИИ; речь идет о формировании мира, в котором мы хотим жить. Даже если через 5 или 10 лет программирование устареет и будет заменено какой-то волшебной подсказкой, мы считаем, что традиционных подсказок недостаточно для сохранения рабочих мест. Они слишком упрощены и не могут точно передать намерения.
Напротив, программирование каждого шага рассуждения требует экспертных знаний в области оперативного проектирования и программирования. Удивительно, но для программистов это приятно и не так уж сложно, поскольку позволяет получить представление о том, как на самом деле работает ИИ, управляя им. Естественный язык в сочетании с алгоритмами открывает безграничные возможности. Мы не можем представить мир без него.
Мы предоставляем услуги аудита, консалтинга и разработки для предприятий, которые хотят внедрить нейросимволические решения искусственного интеллекта в различных областях: от компьютерного зрения до высокоуровневых рассуждений с использованием графов знаний/систем онтологий в таких важных областях, как здравоохранение, биология, финансы, аэрокосмическая промышленность. и многие другие.
HybridAGI — это исследовательский проект, целью которого является демонстрация наших возможностей, а также воплощение нашего видения безопасных систем AGI будущего. Мы — стартап, который ищет реальные варианты использования, а не делает претенциозные заявления, чтобы угодить венчурным инвесторам и подогреть ажиотаж.
Поскольку наше видение возможностей LLM более умеренное, чем у других, мы активно стремимся объединить различные области ИИ (эволюционное, символическое и глубокое обучение), чтобы совершить этот прыжок в будущее, не сжигая планету, полагаясь только на масштабирование. Помимо очевидного воздействия на окружающую среду, полагаясь на малые/средние модели, мы получаем лучшее понимание и возможность проводить полезные исследования без центров обработки данных стоимостью в триллион долларов.
HybridAGI — это наш способ подготовиться к этому будущему и в то же время продемонстрировать наше понимание современных и традиционных систем искусственного интеллекта. HybridAGI — это доказательство того, что для работы над системами AGI не нужны миллиарды долларов и что небольшая команда увлеченных людей может изменить ситуацию.
Мы выпустили HybridAGI под лицензией GNU GPL по разным причинам, первая из которых заключается в том, что мы хотим защитить нашу работу и работу наших участников. Вторая причина заключается в том, что мы хотим построить будущее, в котором люди будут жить, не будучи зависимыми от крупных технологических компаний, занимающихся искусственным интеллектом. Мы хотим расширить возможности людей, а не порабощать их, разрушая рынок и оставляя людей без работы без возможности стать собственностью своих знание. HybridAGI — это проект сообщества, созданный сообществом и для сообщества. Наконец, HybridAGI — это способ связаться с талантливыми и единомышленниками по всему миру и создать сообщество вокруг желаемого будущего.
Некоторые могут возразить, что HybridAGI — это всего лишь набор инструментов. Однако, в отличие от LangChain или Llama-Index, HybridAGI был разработан с нуля для совместной работы со специализированным LLM, обученным на нашей DSL/архитектуре. Мы улучшили наше программное обеспечение благодаря сообществу, и поскольку именно мы создали собственный язык программирования, мы также являемся лучшими людьми для его программирования. Мы накопили данные, изучили множество методов расширения и очистили наши наборы данных в течение последнего года проекта, чтобы сохранить наше конкурентное преимущество. Мы могли бы выпустить LLM, который создаем, в какой-то момент, когда решим, что нам это выгодно.
Наше программное обеспечение выпускается под лицензией GNU GPL, чтобы защитить нас и вклад сообщества. Логика вашего приложения разделена (графические программы), поэтому для использования HybridAGI не возникает проблем с IP. Более того, при использовании в производстве вы наверняка захотите, чтобы сервер FastAPI запрашивал вашего агента и разделял серверную часть и внешний интерфейс вашего приложения (например, веб-сайта), чтобы лицензия GPL не загрязняла другие части вашего программного обеспечения. При необходимости мы также предоставляем нашим клиентам двойное лицензирование.
Станьте частью нашего сообщества разработчиков, исследователей и энтузиастов искусственного интеллекта. Внесите свой вклад в проект, поделитесь своими отзывами и помогите сформировать будущее HybridAGI. Мы приветствуем и ценим ваше участие!
