gemini prompt engineer toolkit
1.0.0
⚡最新（2024年8月27日）Gemini-1.5-flash-exp-0827-gemini-1.5-pro-exp-0827-gemini-exp-0827-gemini-1.5-flash-8b-exp-0827型号
GEMINI AI-提示工程工具包是一种功能强大的简化，Python和Gemini AI供电的应用程序，旨在简化您的AI提示工程和微调数据集工作流程，并帮助您成为及时的Engineeering Pro！利用Google最新的功能（2024年8月27日）尖头双子座型号（Gemini-1.5-Flash-exp-0827，gemini-1.5-pro-exp-0827 ）生成高质量的提示，分析文件并创建用于微调AI模型的合成数据集。 - 格雷戈里·肯尼迪（Gregory Kennedy）
及时生成：从创意写作到代码生成的各种任务的工艺有效提示。
文件分析：通过上传和分析CSV，TXT，Markdown（MD）和图像文件，从您的数据中获取洞察力。
测试数据生成：创建用于微调AI模型的合成数据集，以确保它们的性能最佳。
多模型支持：从Gemini-1.5-Flash-Exp-0827-gemini-1.5-pro-exp-0827-gemini-1.5-1.5-flash-8b-8b-exp-0827型号中选择，以利用不同的功能。
用户友好的接口：直观的简化界面使初学者和经验丰富的用户都可以访问该应用程序。
简化提供了一个直观的框架，用于使用最小代码构建交互式Web应用程序，从而使我们专注于提供无缝的用户体验。 
Langsmith是观察，调试，创建数据集，成本分析和改进AI/LLM应用程序的工具。
在此处让您langsmith api密钥https://smith.langchain.com/
关键功能包括：
实时调试和性能优化
共享链迹线的协作工具
用于制作，版本控制和评论提示的枢纽
人类标签和反馈的注释队列
用于评估的数据集创建，很少的提示和微调
全面的测试和评估功能，包括AI辅助评估
下载并安装Python
https://www.python.org/downloads/macos/
https://www.python.org/downloads/windows/
下载并安装git
https://git-scm.com/download/mac
https://git-scm.com/download/win
下载并安装Conda
我们建议使用conda轻松且安全的环境管理
从https://docs.conda.io/en/latest/miniconda.html下载。
向下滚动在Miniconda页面上***到“最新的Miniconda Installer链接”部分，用于下载Windows，MacOS和Linux *** ***
创建安全的Conda环境：
conda create -n gpe -env python = 3.12 Conda激活GPE-ENV
安装依赖项：
pip install -r要求.txt
Google Gemini API密钥：此特殊键使您可以利用Google功能强大的AI模型。 在https：// https：//aistudio.google.com/上获取免费键。
如何使用Gemini API键：在简化前端UI的左侧输入此特殊键，以便使用该应用程序。
创建一个.env文件：在您的项目文件夹中，创建一个名为.env的新文本文件。
添加您的langsmith/langchain api键：打开.env文件并粘贴在langsmith api密钥中：
LANGCHAIN_TRACING_V2=true LANGCHAIN_ENDPOINT="https://api.smith.langchain.com" LANGCHAIN_API_KEY="your api key goes here" # LANGCHAIN_PROJECT="gem-engr"
保持此文件和您的API键安全，不要共享！
导航到项目目录：
CD/PATH/TO/您的/您的项目
运行简化应用程序：
简化运行v1.8-gemini-prompt-engineer.py
您的应用程序将在您的Web浏览器中打开，准备开始探索！
输入您的问题或任务：描述您希望AI执行的任务（例如，“ ??????”）。
添加变量（可选）：提供具体的细节或约束（例如，“主题：冒险，受众：孩子，音调：幽默”）。
单击“生成提示”：该应用将生成针对输入的提示。
下载选项：将提示下载为TXT或JSONL文件，以供以后使用。
上传文件：从计算机中选择一个CSV，TXT，Markdown（MD）或图像文件。
输入分析提示：提供AI分析文件的说明（例如，“总结本研究论文的关键发现”）。
单击“分析文件”：该应用将根据您的提示和文件内容生成分析。
输入主题或文本：提供主题或文本作为生成对话对的基础。
指定对数：选择要生成多少个对话对。
单击“生成测试数据”：该应用将创建一个包含生成对话对的JSON或JSONL文件。
要具体：您的任务描述和分析提示越具体，结果就越好。
实验变量：尝试使用输入变量的不同组合来微调提示。
迭代和完善：不要害怕根据生成的结果来实验并完善您的提示。
Google Gemini：用于功能强大且通用的语言模型。
简化：使其易于构建交互式Web应用程序。
Langchain的Langsmith：LLMS追踪和观察大语模型（LLMS）s行为的追踪和可观察性。
让我们探索为该应用程序提供动力的关键技术和技术。
1。GoogleGemini：魔术背后的脑力
Google Gemini是由Google AI开发的大型语言模型（LLMS）家族。 这些模型经过大量文本和代码数据集的培训，使它们能够执行各种任务，包括：
文本生成：写故事，诗歌，文章等。
代码生成：以各种编程语言生成代码。
翻译：在语言之间翻译文本。
问题回答：为问题提供信息的答案。
摘要：将大量文本凝结成简洁的摘要。
该应用程序利用双子座的力量生成提示，分析文件并创建测试数据。
2。Langsmith：LLMS的追踪和可观察性
该应用程序与Langsmith集成，该框架是由Langchain开发的，用于追踪和观察大语言模型（LLMS）的行为。 Langsmith使开发人员可以深入了解其LLM的性能，识别潜在问题并提高其AI应用程序的整体质量。
3。简化：构建交互式用户界面
简化是一个Python库，它使为数据科学和机器学习创建交互式Web应用程序变得非常容易。 它的直观API和专注于简单性使开发人员无需广泛的前端用户Inteface Web开发知识即可快速构建和部署强大的应用程序。
该应用程序利用简化的方式提供了一个用户友好的界面，用于与双子座型号进行交互并管理及时的工程和微调工作流程。
4。将所有内容放在一起：工作流程
这是该应用程序如何工作的高级概述：
用户输入：您为测试数据生成提供任务说明，分析提示或主题。
提示生成（如果适用）：该应用使用Gemini根据您的输入来生成提示。
文件分析（如果适用）：应用程序使用Gemini上传并分析您的文件，并根据您的分析提示提供见解。
测试数据生成（如果适用）：该应用使用Gemini生成对话对，以微调AI模型。
输出和下载：该应用显示生成的提示，分析结果或测试数据，并提供下载选项，以方便存储和重复使用。
双子座，兰斯史密斯和简化的这种集成使您能够利用AI的力量来迅速的工程和微调任务。
我欢迎社区的贡献！这是您可以参与的方式：
叉子存储库：单击此页面右上角的“叉”按钮。
创建一个新的分支：在单独的分支中进行更改以保持组织的井井有条。
git Checkout -B功能/您的功能名称
提交您的更改：添加清晰而简洁的提交信息来解释您的工作。
git commit -m“在此处添加您的描述性提交消息”
推到叉子：将更改发送到Github上的叉子存储库。
git推送起源功能/您的功能名称
打开拉动请求：向主要存储库提交拉动请求，描述您的更改及其收益。
该项目是根据MIT许可证获得许可的 - 有关详细信息，请参见许可证文件。
是否想深入研究该项目背后的技术？这里有一些有用的资源：
Google Gemini： https：//developers.google.com/gemini/
简化文档： https：//docs.streamlit.io/
langsmith文档： https：//docs.langchain.com/docs/ecosystem/integrations/integrations/langsmith
我们认为，这个项目是通往AI开发更容易获得和强大的未来的垫脚石。 加入我们的激动人心的旅程！
明星这个存储库：向您的支持并帮助其他人发现该项目。
分享您的创作：我们很想看到您使用此应用程序构建的内容！与社区分享您的项目和想法。
贡献与协作：让我们共同努力，使这个项目变得更好！
让我们一起解锁AI的潜力！
好的，这是README的最后一部分，用调用电话包装并联系信息：
准备释放Gemini的力量来完成您的AI及时工程和微调任务吗？
克隆这个存储库：
git克隆https://github.com/your-username/your-repository-name.git
请按照上面的快速启动指南设置您的环境并配置API键。
开始探索应用程序，看看您可以创建什么！
我们在这里为您的AI旅程提供支持。 如果您遇到任何问题或对该应用程序有疑问，请随时接触。
打开一个问题：通过在GitHub存储库上打开问题来报告错误或建议新功能。
加入社区：在我们的社区论坛中与其他用户和开发人员建立联系（链接将很快添加）。
感谢Google，Sparlit和Langchain的出色团队！！：我对使这些项目成为可能的了不起的团队表示感谢：
Google AI：用于开发功能强大的双子座模型。
简化：用于创建一个直观且用户友好的框架来构建Web应用程序。
Langchain：用于开发Langsmith的追踪和可观察性框架。
我们认为，无论他们的技术背景如何，每个人都应该可以访问AI。 这个项目是朝着该愿景迈出的一步。 加入我们，使AI更容易获得和授权！
快乐的及时工程！
