TaskingAI下載 - TaskingAI原始碼下載

TaskingAI

Ai源碼

v0.3.0 ?

下載

任務分配人工智慧

TaskingAI 是一個 BaaS（後端即服務）平台，用於基於 LLM 的代理程式開發和部署。它統一整合了數百個LLM模型，並提供直覺的使用者介面來管理您的LLM應用程式的功能模組，包括工具、RAG系統、助手、對話歷史記錄等。

主要特點

一體化 LLM 平台：透過統一的 API 存取數百個 AI 模型。
豐富的增強功能：透過數百個可自訂的內建工具和先進的檢索增強生成（RAG）系統增強LLM代理效能
BaaS 啟發的工作流程：將 AI 邏輯（伺服器端）與產品開發（客戶端）分開，提供從基於控制台的原型設計到使用 RESTful API 和客戶端 SDK 的可擴展解決方案的清晰途徑。
一鍵進入生產：只需單擊即可將您的 AI 代理部署到生產階段，並輕鬆擴展它們。讓 TaskingAI 處理剩下的事情。
非同步效率：利用Python FastAPI的非同步特性實現高效能、並發運算，增強應用程式的回應能力和可擴充性。
直覺的 UI 控制台：簡化專案管理並允許控制台內工作流程測試。

整合

模型：TaskingAI 與來自不同提供者的數百名法學碩士連接，包括 OpenAI、Anthropic 等。我們還允許用戶透過 Ollama、LM Studio 和 Local AI 整合本地主機模型。

插件：TaskingAI 支援多種內建插件，可為您的 AI 代理提供支持，包括 Google 搜尋、網站閱讀器、股票市場檢索等。用戶還可以創建自訂工具來滿足他們的特定需求。

為何選擇人工智慧任務？

現有解決方案有問題？

LangChain是一個LLM應用開發的工具框架，但它面臨實際的限制：

無狀態性：依賴客戶端或外部服務進行資料管理。
可擴展性挑戰：無狀態性影響跨會話資料處理的一致性。
外部相依性：依賴模型 SDK 和向量儲存等外部資源。

OpenAI 的 Assistant API擅長提供類似 GPT 的功能，但也有其自身的限制：

綁定功能：工具和檢索等整合與每個助理綁定，不適合多租戶應用程式。
專有限制：僅限於 OpenAI 模型，不適合多樣化需求。
自訂限制：使用者無法自訂代理配置，例如記憶體和檢索系統。

TaskingAI 如何解決這個問題？

支援有狀態和無狀態用法：無論是追蹤和管理訊息歷史記錄和代理對話會話，還是只是發出無狀態聊天完成請求，TaskingAI 都能滿足。
解耦模組化管理：將工具、RAG 系統、語言模型的管理與代理解耦。並允許自由組合這些模組來建立強大的AI代理。
多租戶支援：TaskingAI支援開發後快速部署，可用於多租戶場景。無需擔心雲端服務，只需專注於AI代理開發。
統一API ：TaskingAI為所有模組提供統一的API，包括工具、RAG系統、語言模型等。超級容易管理和更改人工智慧代理的配置。

您可以使用 TaskingAI 建構什麼？

互動式應用程式演示
提高企業生產力的人工智慧代理
商業導向的多租戶 AI 原生應用程式

請給我們一顆免費的星星？如果您覺得有幫助？

Docker 快速入門

啟動自架 TaskingAI 社群版的簡單方法是透過 Docker。

先決條件

Docker 和 Docker Compose 安裝在您的電腦上。
安裝 Git 用於克隆儲存庫。
運行客戶端SDK的Python環境（Python 3.8以上）。

安裝

首先，從 GitHub 複製 TaskingAI（社群版）儲存庫。

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

在克隆的儲存庫中，前往 docker 目錄。

 cd docker

將.env.example複製到.env ：
```
cp .env.example .env
```
編輯.env檔：在您喜歡的文字編輯器中開啟.env檔並更新必要的設定。確保正確設定所有必需的環境變數。
啟動 Docker Compose ：執行以下命令啟動所有服務：
```
docker-compose -p taskingai --env-file .env up -d
```

服務啟動後，透過瀏覽器使用 URL http://localhost:8080 存取 TaskingAI 控制台。預設使用者名稱和密碼是admin和TaskingAI321 。

升級

如果您已經安裝了先前版本的TaskingAI並且想要升級到最新版本，請先更新儲存庫。

git pull origin master

然後停止目前的docker服務，透過拉取最新映像升級到最新版本，最後重新啟動服務。

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

不用擔心資料遺失；如果需要，您的資料將自動遷移到最新版本架構。

TaskingAI UI 控制台

點擊上圖觀看 TaskingAI 控制台示範影片。

TaskingAI 客戶端 SDK

控制台啟動後，您可以使用 TaskingAI 用戶端 SDK 以程式設計方式與 TaskingAI 伺服器進行互動。

確保安裝了 Python 3.8 或更高版本，並設定虛擬環境（可選但建議）。使用 pip 安裝 TaskingAI Python 客戶端 SDK。

pip install taskingai

這是一個客戶端程式碼範例：

 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 )

請注意， YOUR_API_KEY和YOUR_MODEL_ID應替換為您在控制台中建立的實際 API 金鑰和聊天完成模型 ID。

您可以在文件中了解更多。

資源

文件
API參考
聯絡我們

社區與貢獻

請參閱我們的貢獻指南，以了解如何為該專案做出貢獻。

此外，我們很高興地宣布 TaskingAI 現在擁有官方 Discord 社群！？

加入我們的 Discord 伺服器可以：

 •	 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.