تلقائي - promptsهندسة مطالبة آلية تستند إلى LLM لمعالجة البيانات المنظمة
تم إنشاؤه بواسطة Praneeth Vadlapati (@prane-eth)
ملحوظة
يرجى تشغيل المستودع لإظهار دعمك.
LLMS هي أدوات قوية لمعالجة النص. تتطلب معالجة البيانات المنظمة باستخدام LLMs مطالبات دقيقة. تتطلب الهندسة والاختبار الفوريين قوة عاملة للجهود اليدوية ، وتتطلب المزيد من الوقت والموارد والميزانية.
يستخدم المشروع طرقًا تلقائية لإنشاء واختبار المطالبات ، لأتمتة عملية الهندسة المطالبة لمعالجة البيانات المنظمة باستخدام LLMs.
ورقة بحث منشورة متوفرة في نجر
لاستخدام ورقتي للرجوع إليها ، يرجى الاستشهاد بها على النحو التالي:
@article { vadlapati2024autopreciseprompts ,
title = { {AutoPrecisePrompts: Automated LLM-based Prompt Engineering for Structured Data Processing} } ,
journal = { {North American Journal of Engineering and Research} } ,
volume = { 5 } ,
number = { 1 } ,
year = { 2024 } ,
month = { Jan } ,
author = { {Praneeth Vadlapati} } ,
url = { https://najer.org/najer/article/view/83 }
}pip install -r requirements.txt
cp .env.example .env الآن ، قم بتحرير ملف .env وأضف قيمك.
قم بتشغيل الملف التلقائي-prompts.ipynb
لمزيد من المشاريع ، افتح الملف الشخصي: @pro-genai
المساهمات مرحب بها! لا تتردد في إنشاء مشكلة لأي تقارير أو اقتراحات.
للمساهمة ، قم بدور المستودع وإنشاء مشكلة. إذا لم أتمكن من حلها ، فسوف أسمح لأي شخص بإنشاء طلب سحب.
حقوق الطبع والنشر (C) 2024 Praneeth Vadlapati
يرجى الرجوع إلى ملف الترخيص لمزيد من المعلومات.
الكود غير مخصص للاستخدام في بيئات الإنتاج. هذا الرمز مخصص لأغراض تعليمية وأبحاث فقط.
لا يوجد مؤلف مسؤول عن أي سوء استخدام أو ضرر ناتج عن هذا الرمز. استخدمه على مسؤوليتك الخاصة. يتم توفير الرمز كما هو بدون أي ضمانات أو ضمان.
للاستعلامات الشخصية ، يرجى العثور على تفاصيل الاتصال الخاصة بي هنا: linktr.ee/prane.eth