GPTSwarm
1.0.0
? GPTSWARM adalah kerangka kerja berbasis grafik untuk agen berbasis LLM, menyediakan dua fitur tingkat tinggi:
Pada tingkat granular, GptSwarm adalah perpustakaan yang mencakup komponen berikut:
| Modul | Keterangan |
|---|---|
| Swarm.environment | Operasi, agen, alat, dan tugas khusus domain |
| Swarm.Graph | Fungsi terkait grafik untuk membuat dan mengeksekusi grafik agen dan grafik komposit Swarm |
| Swarm.llm | Antarmuka untuk memilih backend LLM dan menghitung biaya operasionalnya |
| Swarm.Memory | Memori berbasis indeks |
| swarm.optimizer | Algoritma optimasi yang dirancang untuk meningkatkan kinerja agen dan efisiensi segerombolan secara keseluruhan |
? [10/12] Hormat? Kawanan Openai, tapi? Gptswarm adalah opsi yang lebih baik jika pertimbangkan? Kecerdasan berkerumun ?
[08/07] Mingchen menghadiri seminar yang diundang dengan Shanghai Ai Lab.
[07/25] Louis dan Francesco memberikan presentasi lisan di ICML 2024.
[07/17] Mingchen memperkenalkan Gptswarm ke meta.
[07/05] Mingchen memberikan pembicaraan yang diundang kepada Waic.
[06/21] Mingchen memberikan pembicaraan yang diundang kepada IA-Cas.
[06/20] Dmitrii memberikan pembicaraan yang diundang kepada Sberbank.
[06/03] SDAIA mengundang tim GPTSWARM (Wenyi, Francesco, Dmitrii) untuk seminar 5 jam.
[06/02] GPTSWARM telah dipilih sebagai presentasi oral (Top 1,5%, 144 dalam 9.473) oleh ICML2024! Selamat!
[05/01] GPTSWARM telah diterima oleh ICML2024.
[04/18] Mingchen memberikan pembicaraan yang diundang kepada Bytedance.
[03/20] Mingchen memberikan pembicaraan yang diundang kepada Huawei.
[03/13] Wawancara eksklusif MITTR China dengan Mingchen.
[03/01] GPTSWARM dapat diinstal melalui PIP sekarang: pip install gptswarm
[02/27] Makalah akademik kami: Agen bahasa sebagai grafik yang dapat dioptimalkan dirilis.
Berikut adalah proses optimasi tepi yang memperbarui probabilitas tepi menuju peningkatan skor benchmark. Perhatikan bahwa di dalam agen, tepi tetap, sedangkan koneksi antar-agen dioptimalkan ke arah pemangkasan tepi (nilai 0, biru) atau pembuatan (nilai 1, merah).
Kloning repo
git clone https://github.com/metauto-ai/GPTSwarm.git
cd GPTSwarm/Instal Paket
conda create -n swarm python=3.10
conda activate swarm
pip install poetry
poetry install
Anda harus menambahkan tombol API di .env.template dan ubah namanya menjadi .env
OPENAI_API_KEY = "" # for OpenAI LLM backend
SEARCHAPI_API_KEY = "" # for Web SearchMemulai dengan GPTSWARM itu mudah. Dengan cepat menjalankan segerombolan yang telah ditentukan sebelumnya
from swarm . graph . swarm import Swarm
swarm = Swarm ([ "IO" , "IO" , "IO" ], "gaia" )
task = "What is the capital of Jordan?"
inputs = { "task" : task }
answer = await swarm . arun ( inputs )atau memanfaatkan alat, seperti penganalisa file
from swarm . graph . swarm import Swarm
swarm = Swarm ([ "IO" , "TOT" ], "gaia" )
task = "Tell me more about this image and summarize it in 3 sentences."
files = [ "./datasets/demos/js.png" ]
inputs = { "task" : task , "files" : files }
danswer = swarm . run ( inputs )Lihatlah contoh gerombolan minimal di Colab di sini :.
Lihat Cara Membuat Agen Kustom dan Jalankan Gergap Dengan Itu Di Sini :.
Berikut adalah video YouTube tentang cara menjalankan buku catatan demo:
Lihat eksperimen kami untuk penggunaan kerangka kerja kami lebih lanjut.
Kami mendukung inferensi LM lokal melalui LM Studio. Unduh aplikasi desktop mereka untuk Mac atau Windows, pilih model dari repositori HuggingFace dan mulai server. Gunakan model_name='lmstudio' dalam kode gptswarm untuk dijalankan dengan LLM lokal.
Harap baca dokumen pengembang kami jika Anda tertarik untuk berkontribusi.
Harap kutip kertas kami jika Anda menemukan perpustakaan bermanfaat atau menarik.
@inproceedings{zhugegptswarm,
title={GPTSwarm: Language Agents as Optimizable Graphs},
author={Zhuge, Mingchen and Wang, Wenyi and Kirsch, Louis and Faccio, Francesco and Khizbullin, Dmitrii and Schmidhuber, J{"u}rgen},
booktitle={Forty-first International Conference on Machine Learning}
}
