HybridAGI
1.0.0
我們的方法與圖代理的不同之處在於，我們的代理系統不是由圖表示的進程，而是一個可以讀/寫和執行與該進程分離的圖數據（圖程序）結構的解釋器。使 Agent 透過執行、讀取和修改圖形程式（像任何其他資料一樣）來學習成為可能，本質上 HybridAGI 旨在成為以 Cypher 語言為中心的自編程系統。這是一個以神經符號程式設計、程式合成和符號人工智慧為中心的可投入生產的研究計畫。
圖靈完備 DSL ：HybridAGI 的圖靈完備領域特定語言 (DSL) 專門設計用於僅使用 4 種不同類型的節點（控制、操作、決策、程式）來描述無限數量的演算法。解釋器Agent可以循環和呼叫子程序，類似於傳統的程式語言。
圖程式搜尋和動態呼叫：因為我們的代理系統不是靜態有限狀態機，而是逐節點解釋基於圖的DSL 的解釋器，因此它可以將程式搜尋到記憶體中並動態調用最佳程式來解決用戶查詢。
可優化的管道和代理：借助 HybridAGI 和 DSPy，您可以根據自己的需求優化資料處理管道和代理系統。由於每個 HybridAGI 模組也是一個 DSPy 模組，因此您可以與它們無縫地使用 DSPy 優化器。
作為軟體的代理行為：借助 HybridAGI，您可以將代理的行為作為 Cypher 軟體提供，使新創公司和公司能夠根據在 Cypher 中實現的業務邏輯創建自己的 IP。
以記憶體為中心的系統：HybridAGI 是一種以記憶體為中心的系統，大量使用知識圖，既用於執行程式又用於儲存結構化知識。這使得知識圖譜 RAG 應用程式能夠應用於關鍵領域。
安全可靠：特別注意防止密碼注入，同時也透過引入受保護程序的概念來防止代理系統修改其自身的主要提示機制。
可預測/確定性行為和無限數量的工具：因為我們不讓代理人選擇要使用的工具順序，所以我們可以使用無限數量的工具。透過遵循圖形程序，我們確保我們的代理系統採用可預測和確定的方法。我們可以不受限制地使用對應的工具將每個記憶體系統組合成一個獨特的Agent。
HybridAGI 是第一個基於 LLM 的可程式代理，可讓您使用基於圖形的提示程式設計方法定義其行為。與其他將代理商視為高階聊天機器人的框架不同，我們採用了植根於電腦科學、認知科學和符號人工智慧的方法。
對我們來說，代理系統是一種目標導向的認知軟體，可以處理自然語言並執行其程式執行的任務。就像傳統軟體一樣，開發人員指定應用程式的行為，並且系統並不是真正自治的，除非它已被編程為如此。對系統進行程式設計不僅可以幫助代理執行其任務，還可以使開發人員的意圖形式化。
HybridAGI 專為資料科學家、提示工程師、研究人員和喜歡嘗試 AI 的 AI 愛好者而設計。它是一款「Build Yourself」產品，專注於人類創造力而不是人工智慧自主性。
為了輕鬆安裝 HybridAGI，我們建議您使用 pip 和以下命令：
pip install hybridagi
如果您想更深入地探索我們的系統，或為該專案做出貢獻，您可以使用以下命令從來源安裝 HybridAGI：
git clone https://github.com/SynaLinks/HybridAGI
cd HybridAGI
pip install .
這裡沒有 React 代理，我們提供的唯一代理系統是我們的自訂圖形解釋器代理，它遵循嚴格的方法，逐個節點執行記憶體中的圖形程式。因為我們透過將規劃卸載到符號元件來端到端地控制代理的行為，所以我們可以輕鬆地糾正/增強系統的行為，消除了微調的需要，同時也允許系統動態學習。
HybridAGI 建立在多年製造可靠機器人系統的經驗之上。我們將機器人、符號人工智慧、法學碩士和認知科學的知識結合到為程式設計師、資料科學家和人工智慧工程師提供的產品中。我們的Agent系統的長期記憶大量使用圖來儲存結構化和非結構化知識及其圖程式。
我們為您提供建立 LLM 申請的一切，重點是 Cypher Graph 資料庫。我們還提供一個本地資料庫，用於在透過我們的整合之一擴展您的應用程式之前進行快速原型設計。
借助 HybridAGI，您可以建立資料提取管道、RAG 應用程式或高級代理系統，每個系統都可以使用 DSPy 優化器進行最佳化。我們也提供預製模組和指標，以方便原型設計。
每個模組和資料類型都是嚴格類型化的，並使用 Pydantic作為資料驗證層。您可以透過依序堆疊模組來立即建立管道，就像 Keras 或 HuggingFace 中一樣。
我們提供以下本機工具列表，用於讀取/寫入記憶體系統或修改代理的狀態：
| 工具名稱 | 用法 |
|---|---|
Predict | 用於用推理資訊填充上下文 |
ChainOfThought | 用於用推理資訊填充上下文 |
Speak | 用於向用戶發送訊息並給出最終答案 |
AskUser | 用於向使用者提問（可以模擬使用者角色） |
UpdateObjective | 更新代理商的長期目標 |
AddDocument | 將新文件儲存到記憶體中 |
AddFact | 將新事實儲存到記憶體中 |
AddGraphProgram | 將新程式儲存到記憶體（如果存在則覆蓋） |
DocumentSearch | 用於在文檔內存中搜索信息 |
PastActionSearch | 用於在追蹤記憶體中搜尋過去的操作 |
EntitySearch | 用於在事實記憶體中搜尋實體 |
FactSearch | 用於在事實記憶體中搜尋事實 |
GraphProgramSearch | 用於在程式記憶體中搜尋圖形程式 |
ReadGraphProgram | 用於按名稱從內存中讀取圖形程序 |
CallGraphProgram | 用於按名稱從記憶體中動態調用圖形程序 |
您可以使用FunctionTool和 python 函數（例如現在的函數呼叫）來新增更多工具。
我們接受對更多資料庫整合的貢獻。請隨時加入 Discord 頻道以獲取更多資訊！
我們對缺乏控制和效率的基於代理的系統的當前發展軌跡感到不滿意。今天的方法涉及構建在沒有人類控制的情況下獨立運行的 React/MKRL 代理，由於它們傾向於停留在數據分佈範圍內，因此通常會導致無意義的無限循環。多代理系統試圖解決這個問題，但由於代理的閒聊，它們常常會導致更多的無意義和令人望而卻步的成本。此外，當今的代理通常需要微調來增強或糾正其行為，這可能是一個耗時且複雜的過程。
使用 HybridAGI，您唯一需要做的就是修改行為圖（圖程式）。我們認為，當情境學習未能產生預期結果時，微調應該是最後的手段。透過將認知科學植根於電腦科學概念，我們使程式設計師能夠透過控制行動和決策的順序來建立他們夢想的代理系統。我們的目標是建立一個代理系統，可以透過使用人類和機器都可以解釋的中間語言來解決現實世界的問題。如果我們希望在未來幾年讓人類參與進來，我們需要為此目的設計代理系統。
LangGraph建立在LangChain之上，去年的HybridAGI也是如此。然而，考慮到浪鏈團隊鼓勵缺乏控制和可解釋性的 ReACT 智能體的方向，我們轉向了 DSPy，它透過專注於管道優化來提供更好的價值。最近，LangGraph的出現是為了彌補LangChain決策失誤，但我們已經證明了我們工作的價值。此外，LangGraph 與許多代理框架一樣，描述了靜態有限狀態機。我們對 AGI 系統的願景是圖靈完備，這是許多代理框架的情況，但要真正開始 AGI 之旅，還需要具備動態程式設計能力（意味著真正的持續學習），這就是其他框架所缺乏的。
Llama-Index 最近發布了一個事件驅動的代理系統，與 LangGraph 類似，它是一個靜態狀態機，同樣的言論也適用於他們的工作。
HybridAGI 建立在 DSPy 團隊的出色工作之上，旨在作為一種抽象來簡化在 LLM 代理環境中複雜 DSPy 程式的創建。 DSPy 更通用，也用於不需要代理系統的簡單任務。與 DSPy 不同，我們的程式不是靜態的，而是動態的，可以透過動態呼叫儲存在記憶體中的程式來適應使用者查詢。此外，我們的工作重點是使用圖來解釋可解釋的神經符號 AGI 系統。建立圖形程式比使用 DSPy 從頭開始實現它們更容易。如果 DSPy 是 LLM 應用程式的 PyTorch，那麼可以將 HybridAGI 視為神經符號 LLM 代理的 Keras 或 HuggingFace。
OpenAI o1 和 HybridAGI 有許多共同的目標，但它們是根據不同的範式構建的。與 OpenAI o1 一樣，HybridAGI 使用多步驟推理，是一個目標導向的代理系統。然而，與OpenAI o1 不同的是，我們引導代理系統的CoT 跟踪，而不是讓它自由探索其動作空間，這是一種更類似於A* 的範例，其中代理在定義的圖中導航，而不是Q 學習圖。這會帶來更有效的推理，因為專家可以對其進行程式設計來解決特定的用例。我們可以使用較小的法學碩士，減少對環境的影響並提高投資報酬率。我們技術的缺點是，您需要您所在領域以及程式設計和人工智慧系統方面的專業知識，才能最好地利用其功能。因此，我們為缺乏人工智慧技術技能來實施其係統的個人和公司提供審計、諮詢和開發服務。
我們的總部不位於矽谷，也不隸屬於大公司；我們是一支來自法國南部的小型、敬業的團隊。我們的重點是提供用戶可以保持控制的人工智慧產品。我們對基於代理商的產品目前的發展軌跡不滿意。我們是人機互動和建立按預期運行的互動系統的專家。雖然我們從認知科學和符號人工智慧中汲取靈感，但我們的目標是讓我們的概念立足於電腦科學，為更廣泛的受眾服務。
我們的使命不僅限於人工智慧安全和效能；這是關於塑造我們想要生活的世界。它們過於簡化，無法準確傳達意圖。
相較之下，對每個推理步驟進行程式設計需要即時工程和程式設計方面的專業知識。令人驚訝的是，對於程式設計師來說，這很有趣，而且並不困難，因為它可以讓你透過控制 AI 來深入了解 AI 的真正運作方式。自然語言與演算法的結合開啟了無限的可能性。我們無法想像沒有它的世界。
我們為想要在各個領域實施神經符號人工智慧解決方案的企業提供審計、諮詢和開發服務，從電腦視覺到健康、生物學、金融、航空航天等關鍵領域的知識圖/本體系統的高級推理，等等。
HybridAGI 是一個研究項目，旨在展示我們的能力，同時也帶來我們對未來安全 AGI 系統的願景。我們是一家自力更生的新創企業，尋求現實世界的用例，而不是為了取悅創投和助長炒作而做出自命不凡的聲明。
因為我們對法學碩士能力的願景比其他人更溫和，所以我們正在積極尋求將人工智慧的不同領域（進化、符號和深度學習）結合起來，以實現向未來的飛躍，而不會僅僅依靠擴展來燒毀地球。除了明顯的環境影響之外，透過依靠中小型模型，我們可以更好地理解並有能力在沒有價值萬億美元的資料中心的情況下進行有用的研究。
HybridAGI 是我們為未來做好準備的方式，同時也展示了我們對現代和傳統人工智慧系統的理解。 HybridAGI 證明您不需要數十億美元就可以在 AGI 系統上工作，並且由充滿熱情的人組成的小團隊可以發揮作用。
我們出於多種原因在 GNU GPL 下發布了 HybridAGI，首先是我們想要保護我們的工作和貢獻者的工作。第二個原因是，我們希望為人們創造一個生活的未來，而不是依賴大型人工智慧科技公司，我們希望賦予人們權力，而不是通過破壞市場並讓人們失業而無法獲得其所有權來奴役他們。 。 HybridAGI 是一個社區項目，由社區制定，為社區服務。最後，HybridAGI 是一種與世界各地有才華和志趣相投的人聯繫並圍繞理想未來創建社區的方式。
有些人可能會說 HybridAGI 只是一個工具箱。然而，與 LangChain 或 Llama-Index 不同，HybridAGI 是從頭開始設計的，可以與在我們的 DSL/架構上訓練的特殊用途的 LLM 協同工作。感謝社區，我們增強了我們的軟體，因為我們是創建自己的程式語言的人，所以我們也是程式語言的最佳人選。在專案的最後一年，我們累積了數據，學習了許多增強技術並清理了我們的數據集，以保持我們的競爭優勢。當我們認為這樣做對我們有利時，我們可能會在某個時間發布我們正在建立的法學碩士。
我們的軟體是根據 GNU GPL 許可證發布的，以保護我們自己和社區的貢獻。您的應用程式的邏輯被分開（圖形程式），您使用 HybridAGI 不存在 IP 問題。此外，在生產中使用時，您絕對希望建立一個 FastAPI 伺服器來請求代理並將應用程式的後端和前端（如網站）分開，這樣 GPL 許可證就不會污染軟體的其他部分。如果需要，我們也為客戶提供雙重許可。
成為我們的開發者、研究人員和人工智慧愛好者社群的一員。為該專案做出貢獻，分享您的回饋，並幫助塑造 HybridAGI 的未來。我們歡迎並重視您的參與！
