Adala
v0.0.4 - Introducing a New Code Environment and Enhanced Automated Prompt Engineering
Adala هي إطار جينت .
تقدم Adala إطارًا قويًا لتنفيذ الوكلاء المتخصصين في معالجة البيانات ، مع التركيز على مهام وضع علامات البيانات المتنوعة. هذه الوكلاء مستقلة ، مما يعني أنها يمكن أن تحصل بشكل مستقل على مهارات واحدة أو أكثر من خلال التعلم التكراري. تتأثر عملية التعلم هذه ببيئة التشغيل والملاحظات والانعكاسات. يحدد المستخدمون البيئة من خلال توفير مجموعة بيانات الحقيقة الأرضية. كل وكيل يتعلم ويطبق مهاراته في ما نشير إليه باسم "وقت التشغيل" ، مرادف لـ LLM.
؟ عوامل موثوقة : يتم بناء الوكلاء على أساس بيانات الحقيقة الأرضية. هذا يضمن نتائج متسقة وجديرة بالثقة ، مما يجعل Adala خيارًا موثوقًا لاحتياجات معالجة البيانات الخاصة بك.
؟ الإخراج القابل للتحكم : لكل مهارة ، يمكنك تكوين الإخراج المطلوب ووضع قيود محددة بدرجات متفاوتة من المرونة. سواء كنت ترغب في الالتزام الصارم بإرشادات معينة أو مخرجات أكثر تكيفية بناءً على تعلم الوكيل ، فإن Adala تسمح لك بتكييف النتائج مع احتياجاتك الدقيقة.
متخصص في معالجة البيانات : في حين أن الوكلاء يتفوقون في مهام وضع علامات البيانات المتنوعة ، يمكن تخصيصها لمجموعة واسعة من احتياجات معالجة البيانات.
؟ التعلم المستقل : وكلاء Adala ليسوا آليين فقط ؛ إنهم ذكيون. إنهم يطورون مهارات متكررة ومستقلة على أساس البيئة والملاحظات والانعكاسات.
✅ وقت التشغيل المرن والقابل للتمديد : بيئة وقت تشغيل Adala قابلة للتكيف. يمكن نشر مهارة واحدة عبر عدة أوقات تشغيل ، مما يسهل السيناريوهات الديناميكية مثل بنية الطالب/المعلم. علاوة على ذلك ، فإن انفتاح الإطار يدعو المجتمع إلى تمديد وتصميم أوقات التشغيل ، مما يضمن التطور المستمر والقدرة على التكيف مع الاحتياجات المتنوعة.
قابلة للتخصيص بسهولة : تخصيص الوكلاء وتطويرهم بسرعة لمعالجة التحديات الخاصة باحتياجاتك ، دون مواجهة منحنى تعليمي حاد.
Adala هو إطار متعدد الاستخدامات مصمم للأفراد والمهنيين في مجال الذكاء الاصطناعي والتعلم الآلي. إليكم من يمكنه الاستفادة:
على الرغم من أن الأدوار المميزة أعلاه مركزية ، إلا أنه من المحوري أن نلاحظ أن Adala مصمم بشكل معقد لتبسيط رحلة تطوير الذكاء الاصطناعى ورفعها ، والتي تلبي احتياجات جميع المتحمسين ، بغض النظر عن مكانهم المحدد في هذا المجال. ؟
تثبيت Adala:
pip install adalaAdala في كثير من الأحيان تطلق التحديثات. من أجل التأكد من أنك تستخدم أحدث إصدار ، يوصى بتثبيته من Github:
pip install git+https://github.com/HumanSignal/Adala.gitتثبيت المطور:
git clone https://github.com/HumanSignal/Adala.git
cd Adala/
poetry installSET OPENAI_API_KEY (انظر التعليمات هنا)
export OPENAI_API_KEY='your-openai-api-key'
في هذا المثال ، سوف نستخدم Adala كمكتبة مستقلة مباشرة داخل دفتر Python.
انقر هنا لرؤية مثال QuickStart الموسع.
import pandas as pd
from adala . agents import Agent
from adala . environments import StaticEnvironment
from adala . skills import ClassificationSkill
from adala . runtimes import OpenAIChatRuntime
from rich import print
# Train dataset
train_df = pd . DataFrame ([
[ "It was the negative first impressions, and then it started working." , "Positive" ],
[ "Not loud enough and doesn't turn on like it should." , "Negative" ],
[ "I don't know what to say." , "Neutral" ],
[ "Manager was rude, but the most important that mic shows very flat frequency response." , "Positive" ],
[ "The phone doesn't seem to accept anything except CBR mp3s." , "Negative" ],
[ "I tried it before, I bought this device for my son." , "Neutral" ],
], columns = [ "text" , "sentiment" ])
# Test dataset
test_df = pd . DataFrame ([
"All three broke within two months of use." ,
"The device worked for a long time, can't say anything bad." ,
"Just a random line of text."
], columns = [ "text" ])
agent = Agent (
# connect to a dataset
environment = StaticEnvironment ( df = train_df ),
# define a skill
skills = ClassificationSkill (
name = 'sentiment' ,
instructions = "Label text as positive, negative or neutral." ,
labels = { 'sentiment' : [ "Positive" , "Negative" , "Neutral" ]},
input_template = "Text: {text}" ,
output_template = "Sentiment: {sentiment}"
),
# define all the different runtimes your skills may use
runtimes = {
# You can specify your OPENAI API KEY here via `OpenAIRuntime(..., api_key='your-api-key')`
'openai' : OpenAIChatRuntime ( model = 'gpt-3.5-turbo' ),
},
default_runtime = 'openai' ,
# NOTE! If you have access to GPT-4, you can uncomment the lines bellow for better results
# default_teacher_runtime='openai-gpt4',
# teacher_runtimes = {
# 'openai-gpt4': OpenAIRuntime(model='gpt-4')
# }
)
print ( agent )
print ( agent . skills )
agent . learn ( learning_iterations = 3 , accuracy_threshold = 0.95 )
print ( ' n => Run tests ...' )
predictions = agent . run ( test_df )
print ( ' n => Test results:' )
print ( predictions )| مهارة | وصف | كولاب |
|---|---|---|
| تصنيفات | تصنيف النص في مجموعة من الملصقات المحددة مسبقًا. | |
| تصنيفات killwithcot | قم بتصنيف النص إلى مجموعة من الملصقات المحددة مسبقًا ، وذلك باستخدام التفكير في سلسلة أسباب. | |
| Summarizationskill | لخص النص في نص أقصر. | |
| QuestionAnsweringskill | أجب على الأسئلة بناءً على سياق معين. | |
| Translationskill | ترجمة النص من لغة إلى أخرى. | |
| TextGenerationskill | إنشاء نص على أساس موجه معين. | |
| مجموعات المهارات | معالجة المهام المعقدة من خلال سلسلة من المهارات. | |
| ontologycreator | استنتاج الأنطولوجيا من مجموعة من الأمثلة النصية. | |
| التفكير في الرياضيات | حل مشاكل الرياضيات في المدرسة على مجموعة بيانات GSM8K. |
تعزيز المهارات ، أو تحسين أوقات التشغيل ، أو أنواع الوكيل الجديدة الرائدة. سواء كنت تقوم بصياغة مهام دقيقة أو تحسين البيئات الحسابية أو النحت العوامل المتخصصة للمجالات الفريدة ، فإن مساهماتك ستقوم بتطور Adala. انضم إلينا في تشكيل مستقبل الأنظمة الذكية وجعل Adala أكثر تنوعًا وتأثيرًا للمستخدمين في جميع أنحاء العالم.
اقرأ المزيد هنا.
هل تحتاج إلى مساعدة أم تتطلع إلى التعامل مع المجتمع؟ تحقق من قناة Discord! سواء كان لديك أسئلة ، أو تحتاج إلى توضيح ، أو تريد ببساطة مناقشة الموضوعات المتعلقة بالمشروع ، فإن مجتمع Discord يرحب!
