AdalFlow

⚡ Perpustakaan untuk membangun dan mengoptimalkan aplikasi LLM ⚡

Semua dokumentasi | Model | Retrievers | Agen | Evaluasi LLM | Pelatih & Pengoptimal

Untuk peneliti AI, tim produk, dan insinyur perangkat lunak yang ingin mempelajari cara AI.

Awal yang cepat

Instal Adalflow dengan Pip:

pip install adalflow

Silakan merujuk ke panduan instalasi lengkap untuk detail lebih lanjut.

• Coba Bangunan QuickStart di Colab untuk melihat bagaimana AdalFlow dapat membangun pipa tugas, termasuk chatbot, rag, agen, dan output terstruktur.
• Coba Optimasi QuickStart untuk melihat bagaimana AdalFlow dapat mengoptimalkan pipa tugas.

Mengapa Adalflow

1. Merangkul pola desain yang mirip dengan pytorch, adalflow kuat, ringan, modular, dan kuat. AdalFlow menyediakan blok bangunan Model-agnostic untuk membangun pipa tugas LLM, mulai dari kain, agen hingga tugas NLP klasik seperti klasifikasi teks dan pengenalan entitas yang disebutkan. Sangat mudah untuk mendapatkan kinerja tinggi hanya menggunakan dorongan manual.
2. AdalFlow menyediakan kerangka kerja diferensiatif otomatis yang terpadu untuk optimasi cepat nol-shot dan optimasi beberapa-shot. Ini memajukan penelitian optimisasi otomatis yang ada, termasuk Text-Grad dan DsPy . Melalui penelitian kami, Text-Grad 2.0 dan Learn-to-Reason Few-shot In Context Learning , AdalFlow Trainer mencapai akurasi tertinggi sambil menjadi yang paling efisien.

Berikut adalah demonstrasi optimasi pada tugas klasifikasi teks:

Di antara semua perpustakaan, Adalflow mencapai akurasi tertinggi dengan dorongan manual (mulai dari 82%) dan akurasi tertinggi setelah optimasi.

Bacaan Lebih Lanjut: Mengoptimalkan Klasifikasi

Pipa tugas cahaya, modular, dan agnostik model

LLMS seperti air; AdalFlow membantu Anda dengan cepat membentuknya menjadi aplikasi apa pun, dari aplikasi Genai seperti chatbots, terjemahan, ringkasan, pembuatan kode, RAG, dan agen otonom hingga tugas NLP klasik seperti klasifikasi teks dan pengakuan entitas yang disebutkan.

AdalFlow memiliki dua komponen dasar, tetapi kuat,: Component untuk pipa dan DataClass untuk interaksi data dengan LLMS. Hasilnya adalah perpustakaan dengan abstraksi minimal, memberikan pengembang dengan kustomisasi maksimum .

Anda memiliki kontrol penuh atas templat prompt, model yang Anda gunakan, dan output parsing untuk pipa tugas Anda.

Banyak penyedia dan model yang dapat diakses melalui antarmuka yang sama:

Semua penyedia model yang tersedia

Bacaan lebih lanjut: Bagaimana kami memulai, desain filosofi dan hierarki kelas.

Kerangka kerja terpadu untuk optimisasi otomatis

AdalFlow memberikan optimasi cepat yang efisien dan berkinerja tinggi dalam kerangka kerja terpadu. Untuk mengoptimalkan pipa Anda, cukup tentukan Parameter dan berikan ke Generator Adalflow. Apakah Anda perlu mengoptimalkan instruksi tugas atau menjalankan beberapa demonstrasi beberapa shot, kerangka kerja terpadu Adalflow menawarkan cara mudah untuk mendiagnosis , memvisualisasikan , men-debug , dan melatih pipa Anda.

Grafik komputasi dinamis ini menunjukkan bagaimana diferensiasi otomatis kami dan grafik komputasi dinamis bekerja.

Tidak perlu node dan tepi yang ditentukan secara manual, Adalflow akan secara otomatis melacak grafik perhitungan untuk Anda.

Pipa tugas yang dapat dilatih

Definisikan saja sebagai Parameter dan berikan ke Generator Adalflow.

AdalComponent & Trainer

AdalComponent bertindak sebagai 'penerjemah' antara pipa tugas dan pelatih, mendefinisikan langkah -langkah pelatihan dan validasi, pengoptimal, evaluator, fungsi kerugian, mesin mundur untuk gradien tekstual atau menelusuri demonstrasi, generator guru.

Dokumentasi

Dokumentasi lengkap Adalflow tersedia di adalflow.sylph.ai:

• Bagaimana kami memulai
• Perkenalan
• Panduan Instalasi Penuh
• Filosofi desain
• Hirarki kelas
• Tutorial
• Model yang didukung
• Retriever yang didukung
• Referensi API

Adalflow: Penghargaan untuk Ada Lovelace

Adalflow dinamai untuk menghormati Ada Lovelace, ahli matematika wanita perintis yang pertama kali mengakui bahwa mesin bisa melampaui perhitungan belaka. Sebagai tim yang dipimpin oleh pendiri wanita, kami bertujuan untuk menginspirasi lebih banyak wanita untuk mengejar karir di AI.

Komunitas & Kontributor

The Adalflow adalah proyek yang digerakkan oleh masyarakat, dan kami menyambut semua orang untuk bergabung dengan kami dalam membangun masa depan aplikasi LLM.

Bergabunglah dengan komunitas Discord kami untuk mengajukan pertanyaan, bagikan proyek Anda, dan dapatkan pembaruan di AdalFlow.

Untuk berkontribusi, silakan baca panduan kontributor kami.

Kontributor

Ucapan Terima Kasih

Banyak karya yang ada sangat menginspirasi perpustakaan Adalflow! Berikut adalah daftar yang tidak lengkap:

• Pytorch untuk filosofi desain dan pola desain Component , Parameter , Sequential .
• Micrograd: Mesin autograd kecil untuk arsitektur auto-diferensiatif kami.
• Grad teks untuk pengoptimal teks Textual Gradient Descent .
• DSPY untuk menginspirasi __{input/output}__fields di DataClass kami dan pengoptimal beberapa-shot bootstrap.
• OPRO untuk menambahkan instruksi teks masa lalu bersama dengan akurasinya dalam pengoptimal teks.
• Petir Pytorch untuk AdalComponent dan Trainer .

Kutipan

 @software { Yin2024AdalFlow ,
  author = { Li Yin } ,
  title = { {AdalFlow: The Library for Large Language Model (LLM) Applications} } ,
  month = { 7 } ,
  year = { 2024 } ,
  doi = { 10.5281/zenodo.12639531 } ,
  url = { https://github.com/SylphAI-Inc/AdalFlow }
}