beebot

บีบอท

BeeBot คือผึ้งงานส่วนตัวของคุณ ซึ่งเป็นผู้ช่วย AI อัตโนมัติที่ออกแบบมาเพื่อปฏิบัติงานที่หลากหลายได้ด้วยตนเอง

สถานะ

ขณะนี้การพัฒนา BeeBot ถูกระงับ ฉันได้ตัดสินใจว่า LLM อย่างที่เป็นอยู่ตอนนี้ (ปลายปี 2023) ไม่ได้ขึ้นอยู่กับงานของ AI อัตโนมัติทั่วไป ฉันจะรื้อฟื้นโครงการถ้า:

• LLM จะดีขึ้นอย่างมากในการคิดแบบมีโครงสร้าง ผลลัพธ์ที่เชื่อถือได้ และการเชื่อฟังคำสั่ง
• ฉันสามารถพัฒนาหรือปรับแต่งโมเดลแบบกำหนดเองซึ่งได้รับการฝึกฝนสำหรับ AI อัตโนมัติโดยเฉพาะ
• ฉันค้นหาชุดย่อยของงานเฉพาะที่ BeeBot ทำได้ดีและเป็นที่ยอมรับซึ่งฉันสามารถมุ่งเน้นได้ (คำแนะนำ: มันไม่ใช่การเข้ารหัส)

โปรดกลับมาตรวจสอบที่นี่ หวังว่านี่จะเริ่มต้นใหม่ได้

คุณสมบัติ

• การเลือกเครื่องมือผ่าน AutoPack และความสามารถในการรับเครื่องมือเพิ่มเติมระหว่างการปฏิบัติงาน
• มีความเพียรในตัว
• REST API เป็นไปตามมาตรฐาน e2b
• เซิร์ฟเวอร์ websocket เพื่อเผยแพร่กิจกรรมทั้งหมดที่เกิดขึ้นภายใน BeeBot
• การจำลองระบบไฟล์แบบถอดเปลี่ยนได้เพื่อให้สามารถจัดเก็บไฟล์ไว้ในหน่วยความจำ บนดิสก์ หรือในฐานข้อมูลได้
• Web UI สำหรับจัดการงานของคุณ (เร็วๆ นี้)
• การจัดการประวัติแบบไดนามิกระหว่างการปฏิบัติงาน
• แคชในตัวด้วย Helicone หากเปิดใช้งาน

การติดตั้ง

ในการเริ่มต้นใช้งาน BeeBot คุณสามารถโคลน repo ไปยังเครื่องในพื้นที่ของคุณ และติดตั้งการขึ้นต่อกันโดยใช้ poetry คำแนะนำเหล่านี้อาจแตกต่างกันไปขึ้นอยู่กับสภาพแวดล้อมการพัฒนาในพื้นที่ของคุณ

git clone https://github.com/AutoPackAI/beebot.git
cd beebot
./setup.sh

Windows ไม่ได้รับการสนับสนุนอย่างเป็นทางการแต่อาจใช้งานได้ PR ยินดีต้อนรับความเข้ากันได้ของ Windows แต่จะไม่ใช่จุดสนใจหลัก

ความพากเพียร

จำเป็นต้องมี ความพากเพียร แม้ว่า SQLite จะได้รับการสนับสนุนอย่างเป็นทางการและใช้ในการทดสอบ แต่ขอแนะนำอย่างยิ่งให้คุณใช้ Postgres ผ่าน docker เพียงเรียกใช้งาน docker compose up -d

วิ่ง

คลีไอ

หากต้องการใช้การรัน CLI:

poetry run beebot

API (ผ่าน e2b)

ในการเริ่มการทำงานของเซิร์ฟเวอร์:

uvicorn beebot.initiator.api:create_app --factory --timeout-keep-alive=300

หากคุณกำลังพัฒนา BeeBot คุณอาจต้องการใช้คำสั่งนี้:

uvicorn beebot.initiator.api:create_app --factory --reload  --timeout-graceful-shutdown=3 --timeout-keep-alive=300

จากนั้นคุณสามารถเรียก API โดยใช้คำสั่งต่อไปนี้:

หากต้องการ สร้างงานให้รัน :

curl --request POST 
  --url http://localhost:8000/agent/tasks 
  --header ' Content-Type: application/json ' 
  --data ' {
	"input": "Write ' ' ' hello world ' ' ' to hi.txt"
} '

คุณจะได้รับคำตอบดังนี้:

{
  "input" : " Write 'hello world' to hi.txt " ,
  "task_id" : " 103 " ,
  "artifacts" : []
}

จากนั้นเพื่อ ดำเนินการหนึ่งขั้นตอนของงาน ให้คัดลอก task_id ที่คุณได้รับจากคำขอก่อนหน้าแล้วเรียกใช้:

curl --request POST 
  --url http://localhost:8000/agent/tasks/ < task-id > /steps

การเชื่อมต่อเว็บซ็อกเก็ต

หมายเหตุ: ขณะนี้การแจ้งเตือนอยู่ระหว่างการปรับปรุงและอาจใช้งานไม่ได้ในขณะนี้

หากต้องการรับกระแสการเปลี่ยนแปลงของโมเดลข้อมูลทั้งหมดใน BeeBot คุณสามารถสมัครรับการเชื่อมต่อ websocket ที่ตำแหน่ง /notifications ด้วยโฮสต์/พอร์ตเดียวกันกับ web api เช่น ws://localhost:8000/notifications ใช้เครื่องมือทดสอบ websocket ที่คุณชื่นชอบเพื่อทดลองใช้ (ฉันชอบโรคนอนไม่หลับ)

เว็บอินเตอร์เฟส

เรากำลังทำงานกับเว็บอินเตอร์เฟสโดยใช้ Node.js (Remix)

ปรัชญา

กระบวนการพัฒนาของ BeeBot ได้รับการชี้นำโดยปรัชญาเฉพาะ โดยเน้นหลักการสำคัญที่กำหนดทิศทางการพัฒนาและทิศทางในอนาคต

ลำดับความสำคัญ

การพัฒนา BeeBot ขับเคลื่อนด้วยลำดับความสำคัญต่อไปนี้ โดยเรียงตามลำดับนี้เสมอ:

1. ฟังก์ชั่น: BeeBot มุ่งหวังที่จะบรรลุอัตราความสำเร็จสูงสำหรับงานภายในขอบเขตความสามารถ ที่คาดหวัง
2. ความยืดหยุ่น: BeeBot มุ่งมั่นที่จะปรับตัวให้เข้ากับงานที่หลากหลาย โดยขยายขอบเขตดังกล่าวเมื่อเวลาผ่านไป
3. ความน่าเชื่อถือ: BeeBot มุ่งเน้นไปที่การทำงานที่ทราบให้เสร็จสิ้นอย่างน่าเชื่อถือด้วยความสามารถในการคาดเดาได้
4. ประสิทธิภาพ: BeeBot มุ่งหวังที่จะดำเนินงานด้วยขั้นตอนที่น้อยที่สุด โดยปรับทั้งเวลาและการใช้ทรัพยากรให้เกิดประโยชน์สูงสุด
5. ความสะดวกสบาย: BeeBot มุ่งหวังที่จะมอบแพลตฟอร์มที่ใช้งานง่ายสำหรับการทำงานอัตโนมัติ

หลักการ

เพื่อให้บรรลุลำดับความสำคัญเหล่านี้ BeeBot ปฏิบัติตามหลักการดังต่อไปนี้:

• เน้นเครื่องมือ: BeeBot เลือกและอธิบายเครื่องมืออย่างรอบคอบ เพื่อให้มั่นใจว่า LLM จะใช้งานเครื่องมือเหล่านั้นได้อย่างน่าเชื่อถือ ใช้ AutoPack เป็นตัวจัดการแพ็คเกจสำหรับเครื่องมือต่างๆ
• ความเชี่ยวชาญด้าน LLM: BeeBot จะใช้ประโยชน์จาก LLM ที่หลากหลายซึ่งเหมาะสมที่สุดสำหรับงานที่แตกต่างกัน ในขณะที่ OpenAI ยังคงเป็น LLM หลักสำหรับการวางแผนและการตัดสินใจ
• ฟังก์ชั่นและความยืดหยุ่นต้องมาก่อน: BeeBot ให้ความสำคัญกับฟังก์ชั่นและความยืดหยุ่นมากกว่าคุณภาพชีวิตของนักพัฒนา ซึ่งอาจจำกัดการรองรับแพลตฟอร์มเฉพาะและความสะดวกในการใช้งานอื่นๆ
• วิธีการแหวกแนว: BeeBot ใช้วิธีการพัฒนาที่แหวกแนวเพื่อเพิ่มความเร็วในการพัฒนา เช่น การไม่มีการทดสอบหน่วย แต่จะใช้การทดสอบแบบ end-to-end แทน เพื่อให้มั่นใจว่าทั้งระบบทำงานร่วมกันตามที่คาดไว้
• แนวคิดที่ได้รับการพิสูจน์แล้ว: BeeBot จะนำแนวคิดใหม่มาใช้เฉพาะหลังจากที่ได้รับการพิสูจน์แล้วเพื่อเพิ่มลำดับความสำคัญทั้งห้าเท่านั้น เป็นผลให้ไม่มีความจำที่ซับซ้อนหรือแผนผังความคิด

เอกสารประกอบ

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับสถาปัตยกรรมและแผนการในอนาคตของ BeeBot โปรดดูที่ไดเร็กทอรี docs/ ขณะนี้เอกสารประกอบยังเบามาก แต่จะพัฒนาไปพร้อมกับโครงการเมื่อมีข้อมูลเชิงลึกและการพัฒนาใหม่ๆ เกิดขึ้น การมีส่วนร่วมและการตอบรับจากชุมชนได้รับการชื่นชมอย่างสูง