GenSysAI

Gensysai: concepteur de systèmes distribués automatisés dirigés par GPT

Gensysai est un outil expérimental basé sur LLM qui peut vous aider à concevoir un système distribué à partir d'une déclaration de problème bien définie.

---

Motivation

Lors de la conception d'un système distribué à grande échelle, un enginner ou un architecte de logiciel individuel a des limites à la connaissance non seulement des stratégies différentes mais aussi des technologies de différents fournisseurs de cloud.

Bien que les recherches sur le problème, la lecture de différents blogs, livres et articles donnent une idée détaillée à leur sujet, cet outil vise à fournir un GIST complet d'un système distribué que vous voudriez concevoir. Cela peut aider à la recherche ciblée lors de la conception d'un système, peut même vous aider à vous préparer à des entretiens.

Ce n'est pas une solution parfaite, mais c'est une aide à créer une solution plus parfaite.

Directives d'utilisation

Si vous souhaitez fonctionner sur le terminal, consultez le main.py et exécutez

pip install -r requirements.txt

python main.py

Sinon pour exécuter l'application Streamlit, exécuter

streamlit run Home.py

Échantillons

Découvrez le répertoire des échantillons, pour les cahiers expérimentaux et le DOC de conception généré.

La démo ci-dessus est générée à partir de l'instruction Problème -

Concevoir une application de partage de photos comme Instagram où les utilisateurs peuvent publier des photos ou des vidéos, peuvent suivre d'autres utilisateurs, parcourir les photos et vidéos publiées par les utilisateurs suivants, comme et commenter les messages des utilisateurs suivants.

Étapes suivantes

1. Ingénierie rapide pour obtenir de meilleurs résultats.
2. Conception contextuelle pour les composants sélectionnés pour éviter les réponses génériques, par exemple - la conception de la base de données compte tenu des exigences de service, exigence de mise en cache en option basée sur les modèles d'accès à la base de données, etc.
3. Accumodate Exigences non fonctionnelles - échelle, débit, etc.
4. Examen itératif de la conception générée et de l'auto correct et de l'auto-impression. Identifiez les scénarios cruciaux comme le baconde de cache et les réponses pour les aborder.
5. Expériences avec différents modèles GPT et créez une référence.

Contribution

1. N'hésitez pas à contribuer à ce projet.
2. Il y a peu de fonctionnalités que j'ai en tête comme appelé dans la section des étapes suivantes. Veuillez soulever un problème avec les demandes détaillées des fonctionnalités.

Fait amusant: ce nom de projet a été généré par Chatgpt.