OptimAI python

优化人工智能

OptimAI 是一个功能强大的 Python 模块，旨在通过分析代码性能并提供可行的建议来优化代码。它利用大型语言模型 (LLM)，根据代码执行期间收集的分析数据为您提供详细的见解和建议。该模块支持 perfwatch 包中的各种分析器。

特征

• 自定义装饰器可轻松优化功能。
• 与 perfwatch 集成以进行性能分析。
• 使用 perfwatch 捕获并分析标准输出、函数执行时间、网络使用情况、函数调用、CPU/GPU 使用情况等。
• 与各种法学硕士无缝集成，提供代码优化建议。
• 支持 OpenAI、Google Gemini、HuggingFace（离线）、ollama 和 Anthropic。
• 优化提示，以在使用 dspy 的任何 LLM 上获得最佳性能

安装

您可以使用 pip 安装 OptimAI：

pip install optimizeai

设置

要使用 OptimAI，您需要使用您首选的 LLM 提供商和 API 密钥对其进行配置。支持的 LLM 提供商包括 Google（Gemini 模型）、OpenAI、Ollama、HuggingFace 和 Anthropic。对于 Ollama，您需要安装 Ollama，并且还需要事先下载模型工件。

1. 选择法学硕士提供者：

   • 对于 Google Gemini 型号： llm = "google"
   • 对于 OpenAI 模型： llm = "openai"
   • 对于离线拥抱脸： llm = "huggingface"
   • 对于人择模型： llm = "anthropic"
   • 对于本地 Ollama 模型： llm = "ollama"

2. 选择型号：

   • 示例： model = "gpt-4" 、 model = "gemini-1.5-flash" 、 model = "codegemma"或特定于所选 LLM 提供商的任何其他模型。

3. 设置 API 密钥：

   • 使用所选 LLM 提供商相应的 API 密钥。本地 Huggingface Inference 和 Ollama 不需要 API 密钥。

示例代码

以下是演示如何使用 OptimAI 优化函数的基本示例：

 from optimizeai . decorators . optimize import optimize
from optimizeai . config import Config
from dotenv import load_dotenv
import time
import os

# Load environment variables
load_dotenv ()
llm = os . getenv ( "LLM" )
key = os . getenv ( "API_KEY" )
model = os . getenv ( "MODEL" )

# Configure LLM
llm_config = Config ( llm = llm , model = model , key = key )
perfwatch_params = [ "line" , "cpu" , "time" ]

# Define a test function to be optimized
@ optimize ( config = llm_config , profiler_types = perfwatch_params )
def test ():
    for _ in range ( 10 ):
        time . sleep ( 0.1 )
        print ( "Hello World!" )
        pass

if __name__ == "__main__" :
    test ()

设置环境变量

您可以在.env文件中设置环境变量（ LLM 、 API_KEY 、 MODEL ）以方便使用：

 LLM=google
API_KEY=your_google_api_key
MODEL=gemini-1.5-flash

即将推出的功能

• 改进代码优化的上下文：增强向法学硕士提供的上下文，以获得更准确和相关的优化建议。
• 报告生成：将生成适当的优化报告。
• 支持更好的配置：更好的配置支持即将推出，您可以通过它设置各种 llm 参数。

贡献

我们欢迎为 OptimAI 做出贡献！如果您对新功能有想法或发现错误，请在 GitHub 上提出问题。如果您想贡献代码，请分叉存储库并提交拉取请求。

贡献步骤

1. 分叉存储库。
2. 创建一个新分支（ git checkout -b feature-branch ）。
3. 做出你的改变。
4. 提交您的更改（ git commit -m 'Add new feature' ）。
5. 推送到分支（ git push origin feature-branch ）。
6. 打开拉取请求。

执照

OptimAI 根据 MIT 许可证获得许可。有关更多详细信息，请参阅许可证文件。