OptimAI python

優化人工智慧

OptimAI 是一個功能強大的 Python 模組，旨在透過分析程式碼效能並提供可行的建議來優化程式碼。它利用大型語言模型 (LLM)，根據程式碼執行期間收集的分析資料為您提供詳細的見解和建議。此模組支援 perfwatch 套件中的各種分析器。

特徵

• 自訂裝飾器可輕鬆優化功能。
• 與 perfwatch 整合以進行效能分析。
• 使用 perfwatch 擷取並分析標準輸出、函數執行時間、網路使用情況、函數呼叫、CPU/GPU 使用情況等。
• 與各種法學碩士無縫集成，提供程式碼優化建議。
• 支援 OpenAI、Google Gemini、HuggingFace（離線）、ollama 和 Anthropic。
• 最佳化提示，以在使用 dspy 的任何 LLM 上獲得最佳效能

安裝

您可以使用 pip 安裝 OptimAI：

pip install optimizeai

設定

若要使用 OptimAI，您需要使用您首選的 LLM 提供者和 API 金鑰對其進行配置。支援的 LLM 提供者包括 Google（Gemini 模型）、OpenAI、Ollama、HuggingFace 和 Anthropic。對於 Ollama，您需要安裝 Ollama，並且還需要事先下載模型工件。

1. 選擇法學碩士提供者：

   • 適用於 Google Gemini 型號： llm = "google"
   • 對於 OpenAI 模型： llm = "openai"
   • 對於離線擁抱臉： llm = "huggingface"
   • 對於人擇模型： llm = "anthropic"
   • 對於本地 Ollama 模型： llm = "ollama"

2. 選擇型號：

   • 範例： model = "gpt-4" 、 model = "gemini-1.5-flash" 、 model = "codegemma"或特定於所選 LLM 提供者的任何其他模型。

3. 設定 API 金鑰：

   • 使用所選 LLM 提供者對應的 API 金鑰。本機 Huggingface Inference 和 Ollama 不需要 API 金鑰。

範例程式碼

以下是示範如何使用 OptimAI 最佳化函數的基本範例：

 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 ()

設定環境變數

您可以在.env檔案中設定環境變數（ LLM 、 API_KEY 、 MODEL ）以方便使用：

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

即將推出的功能

• 改進程式碼最佳化的脈絡：增強向法學碩士提供的上下文，以獲得更準確和相關的最佳化建議。
• 報告產生：將產生適當的最佳化報告。
• 支援更好的配置：更好的配置支援即將推出，您可以透過它設定各種 llm 參數。

貢獻

我們歡迎為 OptimAI 做出貢獻！如果您對新功能有想法或發現錯誤，請在 GitHub 上提出問題。如果您想貢獻程式碼，請分叉儲存庫並提交拉取請求。

貢獻步驟

1. 分叉儲存庫。
2. 建立一個新分支（ git checkout -b feature-branch ）。
3. 做出你的改變。
4. 提交您的變更（ git commit -m 'Add new feature' ）。
5. 推送到分支（ git push origin feature-branch ）。
6. 打開拉取請求。

執照

OptimAI 根據 MIT 許可證獲得許可。有關更多詳細信息，請參閱許可證文件。