TaskingAI下载 - TaskingAI源码下载

TaskingAI

Ai源码

v0.3.0 ?

下载

任务分配人工智能

TaskingAI 是一个 BaaS（后端即服务）平台，用于基于 LLM 的代理开发和部署。它统一集成了数百个LLM模型，并提供直观的用户界面来管理您的LLM应用程序的功能模块，包括工具、RAG系统、助手、对话历史记录等。

主要特点

一体化 LLM 平台：通过统一的 API 访问数百个 AI 模型。
丰富的增强功能：通过数百个可定制的内置工具和先进的检索增强生成（RAG）系统增强LLM代理性能
BaaS 启发的工作流程：将 AI 逻辑（服务器端）与产品开发（客户端）分开，提供从基于控制台的原型设计到使用 RESTful API 和客户端 SDK 的可扩展解决方案的清晰途径。
一键进入生产：只需单击一下即可将您的 AI 代理部署到生产阶段，并轻松扩展它们。让 TaskingAI 处理剩下的事情。
异步效率：利用Python FastAPI的异步特性实现高性能、并发计算，增强应用程序的响应能力和可扩展性。
直观的 UI 控制台：简化项目管理并允许控制台内工作流程测试。

集成

模型：TaskingAI 与来自不同提供商的数百名法学硕士连接，包括 OpenAI、Anthropic 等。我们还允许用户通过 Ollama、LM Studio 和 Local AI 集成本地主机模型。

插件：TaskingAI 支持多种内置插件，可为您的 AI 代理提供支持，包括 Google 搜索、网站阅读器、股票市场检索等。用户还可以创建自定义工具来满足他们的特定需求。

为何选择人工智能任务？

现有解决方案存在问题？

LangChain是一个LLM应用开发的工具框架，但它面临着实际的局限性：

无状态性：依赖客户端或外部服务进行数据管理。
可扩展性挑战：无状态性影响跨会话数据处理的一致性。
外部依赖项：依赖于模型 SDK 和矢量存储等外部资源。

OpenAI 的 Assistant API擅长提供类似 GPT 的功能，但也有其自身的限制：

绑定功能：工具和检索等集成与每个助手绑定，不适合多租户应用程序。
专有限制：仅限于 OpenAI 模型，不适合多样化需求。
自定义限制：用户无法自定义代理配置，例如内存和检索系统。

TaskingAI 如何解决这个问题？

支持有状态和无状态用法：无论是跟踪和管理消息历史记录和代理对话会话，还是只是发出无状态聊天完成请求，TaskingAI 都能满足。
解耦模块化管理：将工具、RAG 系统、语言模型的管理与代理解耦。并允许自由组合这些模块来构建强大的AI代理。
多租户支持：TaskingAI支持开发后快速部署，可用于多租户场景。无需担心云服务，只需专注于AI代理开发。
统一API ：TaskingAI为所有模块提供统一的API，包括工具、RAG系统、语言模型等。超级容易管理和更改人工智能代理的配置。

您可以使用 TaskingAI 构建什么？

交互式应用程序演示
提高企业生产力的人工智能代理
面向商业的多租户 AI 原生应用程序

请给我们一颗免费的星星？如果您觉得有帮助？

Docker 快速入门

启动自托管 TaskingAI 社区版的一个简单方法是通过 Docker。

先决条件

Docker 和 Docker Compose 安装在您的计算机上。
安装 Git 用于克隆存储库。
运行客户端SDK的Python环境（Python 3.8以上）。

安装

首先，从 GitHub 克隆 TaskingAI（社区版）存储库。

git clone https://github.com/taskingai/taskingai.git
cd taskingai

在克隆的存储库中，转到 docker 目录。

 cd docker

将.env.example复制到.env ：
```
cp .env.example .env
```
编辑.env文件：在您喜欢的文本编辑器中打开.env文件并更新必要的配置。确保正确设置所有必需的环境变量。
启动 Docker Compose ：运行以下命令启动所有服务：
```
docker-compose -p taskingai --env-file .env up -d
```

服务启动后，通过浏览器使用 URL http://localhost:8080 访问 TaskingAI 控制台。默认用户名和密码是admin和TaskingAI321 。

升级

如果您已经安装了先前版本的TaskingAI并想要升级到最新版本，请首先更新存储库。

git pull origin master

然后停止当前的docker服务，通过拉取最新镜像升级到最新版本，最后重启服务。

 cd docker
docker-compose -p taskingai down
docker-compose -p taskingai pull
docker-compose -p taskingai --env-file .env up -d

不用担心数据丢失；如果需要，您的数据将自动迁移到最新版本架构。

TaskingAI UI 控制台

单击上图观看 TaskingAI 控制台演示视频。

TaskingAI 客户端 SDK

控制台启动后，您可以使用 TaskingAI 客户端 SDK 以编程方式与 TaskingAI 服务器进行交互。

确保安装了 Python 3.8 或更高版本，并设置虚拟环境（可选但推荐）。使用 pip 安装 TaskingAI Python 客户端 SDK。

pip install taskingai

这是一个客户端代码示例：

 import taskingai

taskingai . init ( api_key = 'YOUR_API_KEY' , host = 'http://localhost:8080' )

# Create a new assistant
assistant = taskingai . assistant . create_assistant (
    model_id = "YOUR_MODEL_ID" ,
    memory = "naive" ,
)

# Create a new chat
chat = taskingai . assistant . create_chat (
    assistant_id = assistant . assistant_id ,
)

# Send a user message
taskingai . assistant . create_message (
    assistant_id = assistant . assistant_id ,
    chat_id = chat . chat_id ,
    text = "Hello!" ,
)

# generate assistant response
assistant_message = taskingai . assistant . generate_message (
    assistant_id = assistant . assistant_id ,
    chat_id = chat . chat_id ,
)

print ( assistant_message )

请注意， YOUR_API_KEY和YOUR_MODEL_ID应替换为您在控制台中创建的实际 API 密钥和聊天完成模型 ID。

您可以在文档中了解更多信息。

资源

文档
API参考
联系我们

社区与贡献

请参阅我们的贡献指南，了解如何为该项目做出贡献。

此外，我们很高兴地宣布 TaskingAI 现在拥有官方 Discord 社区！？

加入我们的 Discord 服务器可以：

 •	 Engage in discussions about TaskingAI, share ideas, and provide feedback.
•	 Get support, tips, and best practices from other users and our team.
•	 Stay updated on the latest news, updates, and feature releases.
•	? Network with like-minded individuals who are passionate about AI and task automation.