LLMCheatsheets.jl ดาวน์โหลด - LLMCheatsheets.jl ดาวน์โหลดซอร์สโค้ด

LLMCheatsheets.jl

โค้ดแหล่งที่มา AI

v0.1.0

ดาวน์โหลด

LLMCheatsheets.jl

LLMCheatsheets.jl เป็นแพ็คเกจ Julia ที่ทำให้การสอนโมเดล AI เกี่ยวกับแพ็คเกจและที่เก็บใหม่เป็นเรื่องง่ายและทันทีโดยการสร้างสูตรโกงจากที่เก็บ GitHub เครื่องมือนี้เชื่อมช่องว่างระหว่างเอกสารที่มนุษย์อ่านได้กับการนำเสนอความรู้ที่เป็นมิตรต่อ AI ช่วยให้สามารถบูรณาการเข้ากับโมเดลภาษาและผู้ช่วย AI ได้อย่างราบรื่น

ตามค่าเริ่มต้น เราจะนำชุดย่อยของโฟลเดอร์และไฟล์ในพื้นที่เก็บข้อมูลที่ให้มาและสรุปโดยใช้ LLM ให้เป็นแผ่นข้อมูลเดียว

คุณสมบัติ

การสร้าง cheatsheet ทันที จากที่เก็บ GitHub
การแสดงความรู้ที่เป็นมิตรกับ AI โดยการสรุปโค้ดและเอกสารประกอบ (หรือเพียงแค่เปรียบเทียบไฟล์ดิบทั้งหมดเป็นสตริงเดียว)
บูรณาการอย่างง่ายดาย กับโมเดลภาษาและผู้ช่วย AI (เพียงคัดลอกสูตรสรุปลงในข้อความแจ้งของคุณ)
รองรับแพ็คเกจใด ๆ และเริ่มต้นได้ง่ายกว่าการดึงข้อมูล Augmented Generation (RAG)

การติดตั้ง

หากต้องการติดตั้ง LLMCheatsheets.jl ให้ใช้ตัวจัดการแพ็คเกจ Julia และ repo URL (ยังไม่ได้ลงทะเบียน):

 using Pkg
Pkg . add (url = " https://github.com/svilupp/LLMCheatsheets.jl " )

เคล็ดลับ

หากคุณพบขีดจำกัดอัตราเมื่อเข้าถึง GitHub API คุณสามารถตั้งค่าโทเค็นการเข้าถึงส่วนบุคคลและตั้งค่าเป็นตัวแปรสภาพแวดล้อม GITHUB_API_KEY เพื่อเพิ่มขีดจำกัดคำขอของคุณเป็น 5,000 ต่อชั่วโมง

เริ่มต้นอย่างรวดเร็ว

ต่อไปนี้คือตัวอย่างพื้นฐานของวิธีใช้ LLMCheatsheets.jl เพื่อสร้างสูตรโกงสำหรับพื้นที่เก็บข้อมูล GitHub

 using LLMCheatsheets

repo = GitHubRepo ( " https://github.com/svilupp/PromptingTools.jl " )
create_cheatsheet (repo; save_path = true );

ด้วย save_path = true cheatsheet จะถูกบันทึกลงในโฟลเดอร์ llm-cheatsheets ในไดเร็กทอรีการทำงานปัจจุบัน

จะเกิดอะไรขึ้นเบื้องหลัง:

การสแกนพื้นที่เก็บข้อมูล: พื้นที่เก็บข้อมูลจะถูกสแกนเพื่อค้นหาไฟล์ที่เกี่ยวข้องทั้งหมดที่ตรงกับ repo.paths และ repo.file_types
การสรุปไฟล์: แต่ละไฟล์จะถูกสรุปโดยใช้ LLM
การสร้าง Cheatsheet: ข้อมูลสรุปจะถูกรวมเข้าด้วยกันเพื่อสร้าง Cheatsheet ที่ครอบคลุม

สำหรับอินเทอร์เฟซระดับต่ำเพื่อสร้างไฟล์ทีละไฟล์และประมวลผลด้วยตนเอง โปรดดูที่ examples/create_for_promptingtools.jl

บางครั้งคุณอาจต้องการดาวน์โหลดไฟล์โดยไม่ต้องสรุป คุณสามารถทำได้ด้วยฟังก์ชั่น collect

files_str = collect (repo)

files_str จะเป็นสตริงที่มีไฟล์สแกนทั้งหมดต่อกัน หากต้องการใช้ใน ChatGPT หรือ Claude.ai ให้ใช้ฟังก์ชัน clipboard เพื่อคัดลอกไปยังคลิปบอร์ด - files_str|>clipboard

ตามค่าเริ่มต้น ไฟล์ที่สแกนและดาวน์โหลดคือ repo.paths และ repo.file_types ตามลำดับ

การใช้งานขั้นสูง

การปรับแต่งพาธและประเภทไฟล์ที่สแกน

ตามค่าเริ่มต้น repo.paths จะรวม ["src", "docs/src", "README.md"] และ repo.file_types รวมถึง [".jl", ".md"] คุณสามารถปรับแต่งสิ่งเหล่านี้ได้เมื่อสร้างออบเจ็กต์ GitHubRepo :

เช่น เพิ่ม examples โฟลเดอร์และไฟล์ .txt เพื่อปรับแต่งสิ่งที่เราจะสรุป:

repo = GitHubRepo ( " https://github.com/username/repository " ; paths = [ " examples " , " README.md " ], file_types = [ " .jl " , " .md " , " .txt " ])

การใช้ LLM อื่น

คุณสามารถใช้ LLM อื่นได้โดยส่งอาร์กิวเมนต์ model ไปยังฟังก์ชัน

 create_cheatsheet (repo; save_path = true , model = " gpt4om " )

การเพิ่มคำแนะนำพิเศษ

คุณสามารถให้คำแนะนำพิเศษเพื่อเป็นแนวทางแก่ AI ในการสร้างสูตรโกงได้:

 create_cheatsheet (repo; special_instructions = " Focus on the data structures and their interactions. " )

ใช้ PromptingTools.jl เพื่อถามคำถาม

คุณสามารถส่งออกฟังก์ชัน ai* จาก PromptingTools.jl เพื่อใช้กับ LLMCheatsheets.jl ได้

 using LLMCheatsheets
# Re-export aigenerate, pprint from PromptingTools
using LLMCheatsheets : aigenerate, pprint
# Or import PromptingTools directly
# using PromptingTools

repo = GitHubRepo ( " https://github.com/svilupp/PromptingTools.jl " ; paths = [ " docs/src " , " README.md " ])
files_str = collect (repo)

msg = aigenerate ( " Read through these files: $(files_str) nn Answer the question: What is the function for creating prompt templates? " )
pprint (msg)

 The function for creating prompt templates in the `PromptingTools.jl` package is `create_template`. This function allows you to define a prompt with placeholders and save it for later use. The syntax is:

```julia
create_template(; user=<user prompt>,
system=<system prompt>, load_as=<template name>)
```

This function generates a vector of messages, which you can use directly in the `ai*` functions. If you provide the `load_as` argument, it will also register the template in the template store,
allowing you to access it later using its name.

คำถามที่พบบ่อย

ฉันได้รับการจำกัดอัตราโดยผู้ให้บริการ LLM

หากคุณได้รับการจำกัดอัตราโดยผู้ให้บริการ LLM คุณสามารถลดจำนวนงานสรุปที่เกิดขึ้นพร้อมกันใน create_cheatsheet ได้โดยตั้งค่าตัวเลขให้ต่ำลง เช่น ntasks=5 หรือ ntasks=2 (ขึ้นอยู่กับระดับ API ของคุณ)