promptimal

موجه

CLI لتحسين بسرعة مطالبات الذكاء الاصطناعى الخاص بك. لا حاجة لمجموعة البيانات.

فقط أرسل مطالبك ووصفًا لما تريد تحسينه. ستستخدم PromplyMal خوارزمية وراثية لتحسين المطالبة بشكل متكرر حتى يصبح أفضل من الأصل. تقوم LLM بتقييم المطالبات المعدلة لتوجيه العملية ، ولكن يمكنك أيضًا تحديد وظيفة التقييم الخاصة بك.

تثبيت

 > pipx install promptimal

بمجرد التثبيت ، تأكد من إضافة مفتاح Openai API الخاص بك إلى بيئتك:

 > export OPENAI_API_KEY= " ... " 

Quickstart

افتح الأداة من المحطة الخاصة بك:

 > promptimal

يُطلب منك إدخال موجه الأولي وما تريد تحسينه. بدلاً من ذلك ، يمكنك تحديد هذه المدخلات كوسائط لخط الأوامر:

 > promptimal 
    --prompt " You will be provided with a piece of code, and your task is to explain it in a concise way. " 
    --improve " Summaries need to include less code references and be more high-level. "

بمجرد الانتهاء من ذلك ، سيتم فتح واجهة المستخدم في محطةك لمراقبة عملية التحسين:

استخدام متقدم

فرطاميرات

يمكنك التحكم في معلمات التحسين عن طريق تمرير وسيطات سطر الأوامر الإضافية:

 > promptimal --num_iters=10 --num_samples=20 --threshold=0.7

1. num_iters : عدد التكرارات لتشغيل حلقة التحسين ل. أي ما يعادل عدد "الأجيال" في خوارزمية تطورية.
2. num_samples : عدد المطالبات المرشحة لتوليدها في كل تكرار. أي ما يعادل "حجم السكان" في خوارزمية تطورية.
3. threshold : عتبة إنهاء الحلقة. إذا حصلت موجه المرشح على درجة أعلى من هذه العتبة ، فستتوقف حلقة التحسين. الافتراضي هو 1.0.

المقيمون المخصصين

بشكل افتراضي ، يستخدم Prompridimal نهج LLM-as-lemit (مع التوافق الذاتي) لتقييم المرشحين السريع. ولكن لتعزيز الأداء ، قد ترغب في تقييم المطالبات مقابل مجموعة بيانات أو استخدام بعض تقنية التقييم الأخرى. للقيام بذلك ، قم أولاً بإنشاء ملف Python يسمى evaluator.py . ثم انسخ/لصق الرمز أدناه في هذا الملف وتحديد وظيفة التقييم الخاصة بك:

 import argparse

def evaluator ( prompt : str ) -> float :
    # Your code goes here
    # Must return value between 0 and 1

def main ():
    parser = argparse . ArgumentParser ()
    parser . add_argument ( "--prompt" , required = True , type = str )
    args = parser . parse_args ()

    score = evaluator ( args . prompt )
    print ( score )

if __name__ == "__main__" :
    main ()

بمجرد الانتهاء ، حدد المسار إلى evaluator.py .

 > promptimal --evaluator= " path/to/evaluator.py "

سيكون هذا الملف بمثابة برنامج نصي يستخدمه موجه لتقييم المطالبات.

خريطة الطريق

1. دعم لمقدمي خدمات LLM الآخرين ، مثل الأنثروبور ، Groq ، وما إلى ذلك ، و Ollama للنماذج المحلية.
2. ليس فقط المطالبات ، ولكن المعرضات الوصفية (استنادا إلى ورقة promsbreeder).
3. قبل تعريف بعض مشغلي الطفرة.
4. توليد اختبارات اصطناعية كجزء من عملية التقييم.