LLM agents with docker

ReadMe

شاهد العرض التوضيحي: https://www.youtube.com/watch؟v=ugqmn2xdu54

يعتمد هذا المستودع على الكود من دفتر محلل بيانات حاوية Azure's Azure's Azure (https://github.com/langchain-ai/langchain/blob/master/cookbook/azure_container_apps_dynamic_sessions_data_analyst.ipynb) ، حيث anaabase dataql ، anaabase dataql ، anaabase ، anaabase dataql ، في ملف CSV ، ويقوم بتنفيذ التعليمات البرمجية بناءً على ملف CSV ، مثل رسم رسم بياني.

كانت الميزة الرئيسية للرمز هي تنفيذ الكود في حاوية باستخدام جلسات Azure Container Dynamic Dynamic.

يحل هذا المشروع محل الجلسات الديناميكية لتطبيقات حاوية Azure مع Docker. لذلك عندما يقوم الوكيل بتنفيذ الكود ، فإنه سيقوم بإنشاء حاوية Docker ، وتنفيذ الرمز ، ثم قم بإزالة الحاوية. هذا يضمن أن الجهاز المضيف في مأمن من الرمز التعسفي من الوكيل.

بنية الوكيل هي كما يلي:

بعد تنفيذ عقدة Execute_SQL_Query ، يتم حفظ البيانات كـ CSV على جهاز المضيف. بعد ذلك ، فإن حاوية Docker لديها إذن للقراءة فقط للوصول إلى CSV. إذا كانت ترسم أي شيء ، يتم تمرير الصورة مرة أخرى إلى جهاز المضيف عبر سلسلة BASE64.

تعليمات الإعداد

1. استنساخ المستودع:

 git clone https : // github . com / paulomuraroferreira / LLM - agents - with - docker . git
cd LLM - agents - with - docker

2. تثبيت التبعيات:

$ pip install - e .

أيضًا ، تأكد من تثبيت Docker وتشغيله.

3. تكوين البيئة:

قم بإنشاء ملف .env وملء متغيرات البيئة التالية:

 OPENAI_API_KEY = your_openai_api_key
DATABASE_URL = your_postgres_url
LLM_MODEL = i am using 'gpt-4o'

4. تشغيل التطبيق:

قم بتنفيذ البرنامج النصي الرئيسي لتهيئة سير العمل والتعامل مع استعلامات المستخدم:

 python main . py