GenSysAI

Gensysai: Diseñador de sistemas distribuido automatizado con GPT

Gensysai es una herramienta experimental basada en LLM que puede ayudarlo a diseñar un sistema distribuido a partir de una declaración de problema bien definida.

---

Motivación

Mientras diseña un sistema distribuido a gran escala, un enginador o arquitecto de software individual tiene limitaciones sobre el conocimiento no solo de diferentes estrategias sino también de tecnologías de diferentes proveedores de nubes.

Aunque investigando sobre el problema, leer diferentes blogs, libros y artículos ofrece una idea detallada sobre ellos, esta herramienta tiene como objetivo proporcionar una esencia completa de un sistema distribuido que desee diseñar. Esto puede ayudar en una investigación enfocada mientras diseña un sistema, incluso puede ayudarlo a prepararse para entrevistas.

Esta no es una solución perfecta, pero esta es una ayuda para crear una solución más perfecta.

Pautas de uso

Si desea ejecutar en Terminal, consulte el Main.py y ejecute

pip install -r requirements.txt

python main.py

De lo contrario, para ejecutar la aplicación de transmisión, ejecute

streamlit run Home.py

Muestras

Consulte el directorio de muestras, para cuadernos experimentales y Doc de diseño generado.

La demostración anterior se genera a partir de la declaración del problema -

Diseñe una aplicación de Instagram como compartir fotos donde los usuarios pueden publicar fotos o videos, pueden seguir a otros usuarios, navegar a través de las fotos y videos publicados por parte de los siguientes usuarios, me gustan y comentar las publicaciones de los siguientes usuarios.

Siguientes pasos

1. Ingeniería rápida para obtener mejores resultados.
2. Diseño contextual para componentes seleccionados para evitar respuestas genéricas, por ejemplo, diseño de bases de datos considerando los requisitos de servicio, requisitos de almacenamiento de almacenamiento opcional basado en los patrones de acceso a la base de datos, etc.
3. Acomodar requisitos no funcionales: escala, rendimiento, etc.
4. Revisión iterativa del diseño generado y automáticamente correcto y auto realizado. Identifique escenarios cruciales como la estampida de caché y las respuestas para abordarlos.
5. Experimentos con diferentes modelos GPT y crear un punto de referencia.

Contribución

1. Siéntase libre de contribuir a este proyecto.
2. Hay pocas características que tengo en mente, como se llame en la sección de los siguientes pasos. Plantee un problema con las solicitudes de funciones detalladas.

Dato curioso: ChatGPT generó este nombre del proyecto.