AdalFlow

⚡ المكتبة لإنشاء تطبيقات LLM وتحسينها تلقائيًا ⚡

كل الوثائق | نماذج | المستردون | الوكلاء | تقييم LLM | مدرب ومحسّنات

للباحثين من الذكاء الاصطناعي وفرق المنتج ومهندسي البرمجيات الذين يرغبون في تعلم طريقة الذكاء الاصطناعي.

بداية سريعة

تثبيت adalflow مع PIP:

pip install adalflow

يرجى الرجوع إلى دليل التثبيت الكامل لمزيد من التفاصيل.

• جرب Building Quickstart في Colab لمعرفة كيف يمكن لـ Adalflow إنشاء خط أنابيب المهمة ، بما في ذلك chatbot و Rag و Agent والإخراج المهيكل.
• جرب QuickStart QuickStart التحسين لمعرفة كيف يمكن لـ AdalFlow تحسين خط أنابيب المهمة.

لماذا adalflow

1. احتضان نمط تصميم مشابه لـ Pytorch ، Adalflow قوي ، خفيف ، وحدني ، وقوي. يوفر Adalflow لبنات بناء Model-agnostic لبناء خطوط أنابيب مهمة LLM ، بدءًا من RAG ، وكلاء إلى مهام NLP الكلاسيكية مثل تصنيف النص والتعرف على الكيان المسماة. من السهل الحصول على أداء عالي فقط باستخدام المطالبة اليدوية.
2. يوفر AdalFlow إطارًا موحدًا للتوحيد التلقائي لكل من التحسين المذهل الصفري وتحسين اللقطة القليلة. إنه يطور أبحاث التحسين التلقائي الحالي ، بما في ذلك Text-Grad و DsPy . من خلال أبحاثنا ، Text-Grad 2.0 و Learn-to-Reason Few-shot In Context Learning ، يحقق Adalflow Trainer أعلى دقة مع كونه أكثر كفاءة في الرمز المميز.

فيما يلي مظاهرة تحسين في مهمة تصنيف النص:

من بين جميع المكتبات ، حقق Adalflow أعلى دقة مع المطالبة اليدوية (بدءًا من 82 ٪) وأعلى دقة بعد التحسين.

مزيد من القراءة: تحسين التصنيف

خط أنابيب الضوء والمعيار والمعيار والنموذج

LLMs مثل الماء. تساعدك Adalflow على تشكيلها بسرعة في أي تطبيقات ، من تطبيقات Genai مثل chatbots ، والترجمة ، والتلخيص ، وتوليد الكود ، و Rag ، والعوامل المستقلة إلى مهام NLP الكلاسيكية مثل تصنيف النص والتعرف على الكيان المسماة.

يحتوي Adalflow على فئتين أساسيتان ، لكنهما قويان ، Component لخط الأنابيب ونوع DataClass لتفاعل البيانات مع LLMs. والنتيجة هي مكتبة ذات الحد الأدنى من التجريد ، مما يوفر للمطورين أقصى قدر من التخصيص .

لديك تحكم كامل في القالب المطري ، والنموذج الذي تستخدمه ، وتوصيل الإخراج لخط أنابيب المهمة الخاص بك.

يمكن الوصول إلى العديد من مقدمي الخدمات والموديلات عبر الواجهة نفسها:

جميع مزودي النماذج المتاحة

مزيد من القراءة: كيف بدأنا ، فلسفة التصميم والتسلسل الهرمي للطبقة.

إطار عمل موحد لتحسين تلقائي

يوفر AdalFlow تحسينًا موجهًا مميزًا وعالي الأداء في إطار موحد. لتحسين خط الأنابيب الخاص بك ، ما عليك سوى تحديد Parameter ونقلها إلى Generator Adalflow. سواء كنت بحاجة إلى تحسين تعليمات المهمة أو تشغيل بعض المظاهرات القليلة ، فإن إطار عمل AdalFlow يوفر طريقة سهلة لتشخيص خط الأنابيب وتصورها وتدريبها .

يوضح هذا الرسم البياني للحساب الديناميكي كيف يعمل عملية الاختلاط التلقائي والرسم البياني للحساب الديناميكي.

لا حاجة إلى العقد والحواف المحددة يدويًا ، وسيقوم AdalFlow تلقائيًا بتتبع الرسم البياني للحساب لك.

خط أنابيب المهمة القابل للتدريب

فقط حددها Parameter وقم بتمريرها إلى Generator Adalflow.

Adalcomponent والمدرب

يعمل AdalComponent باعتباره "مترجمًا" بين خط أنابيب المهمة والمدرب ، وتحديد خطوات التدريب والتحقق من الصحة ، والمحسّلات ، والمقيمين ، ووظائف الخسارة ، والمحرك للخلف للتدرجات النصية أو تتبع المظاهرات ، ومولد المعلم.

الوثائق

الوثائق الكاملة Adalflow متوفرة في Adalflow.sylph.ai:

• كيف بدأنا
• مقدمة
• دليل التثبيت الكامل
• فلسفة التصميم
• التسلسل الهرمي للطبقة
• دروس
• النماذج المدعومة
• المستردون المدعومون
• مرجع API

Adalflow: تحية لـ Ada Lovelace

تم تسمية Adalflow على شرف Ada Lovelace ، عالم الرياضيات الرائد الذي أدرك أولاً أن الآلات يمكن أن تتجاوز مجرد الحسابات. كفريق واحد بقيادة مؤسس أنثى ، نهدف إلى إلهام المزيد من النساء لمتابعة وظائف في الذكاء الاصطناعي.

المجتمع والمساهمين

يعد Adalflow مشروعًا يحركه المجتمع ، ونحن نرحب بالجميع للانضمام إلينا في بناء مستقبل تطبيقات LLM.

انضم إلى مجتمع Discord لطرح الأسئلة ومشاركة مشاريعك والحصول على تحديثات على AdalFlow.

للمساهمة ، يرجى قراءة دليل المساهم لدينا.

المساهمين

شكر وتقدير

العديد من الأعمال الحالية مستوحاة إلى حد كبير مكتبة Adalflow! فيما يلي قائمة غير شاملة:

• Pytorch لفلسفة التصميم ونمط تصميم Component Parameter Sequential .
• micrograd: محرك ذاتي صغير للهندسة المعمارية التلقائية.
• درجات النص لمحسّن Textual Gradient Descent .
• DSPY لإلهام __{input/output}__fields في DataClass الخاص بنا ومحسّن قليلة من القلق.
• OPRO لإضافة تعليمات النص السابقة جنبا إلى جنب مع دقتها في محسن النص.
• البرق Pytorch لـ AdalComponent Trainer .

اقتباس

 @software { Yin2024AdalFlow ,
  author = { Li Yin } ,
  title = { {AdalFlow: The Library for Large Language Model (LLM) Applications} } ,
  month = { 7 } ,
  year = { 2024 } ,
  doi = { 10.5281/zenodo.12639531 } ,
  url = { https://github.com/SylphAI-Inc/AdalFlow }
}