INSIGHT

ข้อมูลเชิงลึก

โปรดไปที่ https://insightai.dev/project เพื่อดูโซลูชันที่มีการจัดการของเราพร้อมคุณสมบัติอื่น ๆ อีกมากมาย!

Insight เป็น AI อัตโนมัติที่สามารถทำการวิจัยทางการแพทย์ได้ มีตัวแทนหัวหน้าที่รับวัตถุประสงค์และบทสรุปผู้บริหารของงานที่เสร็จสมบูรณ์แล้วและผลลัพธ์และสร้างรายการงาน เจ้าหน้าที่รับงานจากรายการและดำเนินการให้เสร็จสิ้น โดยบันทึกผลลัพธ์ลงในดัชนีลามะ หัวหน้าจะได้รับแจ้งผลลัพธ์และเปลี่ยนแปลง/จัดลำดับความสำคัญของรายการงานใหม่ ผู้ปฏิบัติงานสามารถเรียกใช้ pubmed และ mygene API ได้ (จะมีเพิ่มเติมเร็วๆ นี้) พนักงานยังได้รับบริบทจากดัชนีลามะเพื่อช่วยทำงานให้สำเร็จอีกด้วย

INSIGHT ยังสามารถโหลดซ้ำและรันต่อได้ และยังโหลดไฟล์ข้อมูลที่มนุษย์สามารถอ่านได้ และนำไปใช้ควบคู่ไปกับการค้นพบอื่นๆ!

คุณยังสามารถโหลดฐานข้อมูล llama Index ของคุณและพูดคุยกับฐานข้อมูลโดยถามคำถามที่กำหนดเองเกี่ยวกับข้อมูลของคุณ โดยเรียกใช้ talk_to_index.py คุณจะต้องระบุเส้นทางไปยังดัชนีของคุณที่ด้านล่างของไฟล์ ดูด้านล่างของ talk_to_index.py เพื่อดูตัวอย่าง

โปรดติดต่อฉันหรือมีส่วนร่วมหากคุณสนใจ :) อีเมลของฉันคือ [email protected]

 กราฟวัณโรค;

    API กราฟย่อย
        API1[เผยแพร่ API];
        API2[MYGENE API];
    จบ;

    บอส((ตัวแทนบอส)) <--> GPT[LLM];
    ลามะ[(LLAMA INDEX)] -->|สรุปผลลัพธ์| เจ้านาย;
    บอส -->|สร้าง| คิว[รายการงาน];

    ผู้ปฏิบัติงาน((ตัวแทนผู้ปฏิบัติงาน)) <--> GPT;
    คิว --> |ดึง| คนงาน;
    ลามะ -->|บริบทสำหรับงาน| คนงาน;
    ผู้ปฏิบัติงาน -> ผลลัพธ์ [ผลลัพธ์ของงาน];

    ผลลัพธ์ --> |ข้อความ| ลามะ;
    ผลลัพธ์ -->|รหัส| ผู้ดำเนินการ {ตัวดำเนินการ PYTHON};

    ผู้ดำเนินการ -> API1[PUBMED];
    ผู้ดำเนินการ -> API2 [MYGENE];
    ผู้ดำเนินการ -> การดำเนินการ [ผลการดำเนินการ];

    การประหารชีวิต --> ลามะ;

    ลามะ <--> TalkToIndex[พูดคุยกับดัชนี];

    ผู้ใช้{{ผู้ใช้}} -->|แบบสอบถาม| ทอล์คทูอินเด็กซ์;
    TalkToIndex -->|ผลลัพธ์| ผู้ใช้;

เริ่มต้นใช้งาน

1. ลงทะเบียน OpenAI

2. เปิดเผยตัวแปรสภาพแวดล้อมต่อไปนี้

   • OPENAI_API_KEY

   หรือ

   เพิ่มคีย์ API ของคุณลงในไฟล์ปรับแต่ง หากคุณทำเช่นนี้ อย่าผูกมัดพวกเขาด้วยระบบควบคุมเวอร์ชันใดๆ!

3. รัน pip install -r requirements.txt

4. เรียกใช้ python main.py

เอาท์พุต

โปรแกรมจะบันทึกผลลัพธ์จากทุกงานและเพิ่ม out ในไดเร็กทอรีเอาต์พุต

นอกจากนี้ยังสร้างไฟล์มาร์กดาวน์การค้นพบที่สำคัญเหนือผลลัพธ์ทั้งหมดที่กลั่นข้อมูลผ่านคำสั่งต่อไปนี้:

• ให้ข้อมูลสรุประดับสูงโดยย่อของข้อมูลทั้งหมด
• ระบุประเด็นหลักทั้งหมดที่ข้อมูลครอบคลุมโดยย่อ
• ให้ข้อมูลเชิงลึกที่สำคัญทั้งหมดเกี่ยวกับข้อมูล
• สร้างสมมติฐานเชิงสร้างสรรค์หลายๆ ข้อจากข้อมูล
• คำแนะนำการวิจัยระดับสูงในการสำรวจเพิ่มเติมเมื่อมีข้อมูลมีอะไรบ้าง
• อธิบายการค้นพบที่สำคัญโดยละเอียด ไม่ต้องใส่คำเติม

สามารถเพิ่มคำสั่งตามอำเภอใจได้ เปิดสิ่งนี้ในตัวแก้ไขมาร์กดาวน์เพื่อประสบการณ์ที่ดีที่สุด

นี่คือตัวอย่างโครงสร้างเอาต์พุต

 .
└── 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

คำนึงถึงค่าใช้จ่าย!!

ขณะนี้การดำเนินการไม่กี่นาทีควรมีราคาไม่เกินสองสามเซ็นต์ สิ่งนี้จะเพิ่มขึ้นหากคุณใช้โมเดลที่ทรงพลังกว่าเช่น GPT-4