waggle dance

?? Waggledance.ai

? Fitur | ? Roadmap | Berkontribusi | Jalankan secara lokal | ? Buka inti

Awal yang cepat

• Coba pratinjau cloud ↗
• Bergabunglah dengan Perselisihan
• ️ Bantuan dengan Algoritma: Bintang repo ini

Anda juga dapat membangun dan menggunakan diri Anda sendiri! Namun, Anda harus mengonfigurasi lingkungan Anda.

• Diseret ke Vercel
• Docker menyusun
• Membangun dan lari dari sumber

Waggledance.ai adalah aplikasi eksperimental yang berfokus pada pencapaian tujuan yang ditentukan pengguna. Ini menyediakan antarmuka pengguna yang ramah tetapi berpendapat untuk membangun sistem berbasis agen. Proyek ini berfokus pada kemampuan menjelaskan, kemampuan observasi, generasi bersamaan, dan eksplorasi. Saat ini di pra-alpha, filosofi pengembangan lebih memilih eksperimen daripada stabilitas karena pemecahan tujuan dan sistem agen berkembang pesat.

Waggledance.ai mengambil tujuan dan meneruskannya ke agen perencana yang mengalirkan grafik eksekusi untuk sub-tugas. Setiap sub-tugas dieksekusi secara bersamaan mungkin oleh agen eksekusi . Untuk mengurangi hasil yang buruk dan halusinasi, sub-hasil ditinjau oleh agen kritik . Akhirnya, manusia di loop (Anda!) Akan dapat mengobrol dengan masing-masing agen dan memberikan koreksi kursus jika diperlukan.

Awalnya terinspirasi oleh Auto-GPT, dan memiliki fitur konkurensi yang mirip dengan yang ditemukan di GPT-Researcher. Oleh karena itu, prinsip inti dari proyek ini meliputi kecepatan , akurasi , kemampuan observasi , dan kesederhanaan . Selain itu, banyak sistem agen lainnya ditulis dalam Python, sehingga proyek ini bertindak sebagai kontra-balance kecil, dan dapat diakses oleh sejumlah besar pengembang JavaScript.

API (tidak stabil) juga tersedia melalui TRPC dan API yang diterapkan di Next.js. Sisi klien sebagian besar bertanggung jawab untuk mengatur dan membuat eksekusi agen, sementara API dan sisi server mengeksekusi agen dan menyimpan hasilnya. Arsitektur ini kemungkinan akan disesuaikan di masa depan.

? Fitur yang disorot

• Llms go brrr… waggledance.ai dimulai dengan merencanakan grafik eksekusi yang sangat bersamaan. Beberapa cabang sub-tugas tidak tergantung, dan dapat berjalan secara bersamaan.
• Agen -agen permusuhan yang meninjau hasil.
• Database vektor untuk memori jangka panjang.
• Hasil yang dapat dijelaskan dan UI Responsif: Grafik Visualizer, Hasil Sub-Task (Agen), Log Agen dan Acara.

? Tumpukan teknologi

Naskah﹒ Langchain.js﹒ T3﹒ Prisma﹒ trpc﹒ Weaviate﹒ Postgres﹒ Openai API﹒ Mui Joy

? Peta jalan

Dewan Roadmap Proyek Langsung﹒ Menyumbang

Pada dasarnya, apa saja dan semuanya berjalan! Meskipun sistem multi-agen memiliki masa lalu yang panjang dan bertingkat, proyek ini adalah tentang menikahi teknik masa lalu dengan penelitian terbaru.

? Sejarah Bintang

? Berjalan secara lokal dan pengembangan

Waggledance.ai dapat digunakan secara lokal menggunakan Docker atau secara manual menggunakan Node.js. Konfigurasi .env VARS diperlukan.

Buruh pelabuhan

docker-compose up --build

Dependensi

• Diperlukan: Node JS LTS ≧ V18.17.0 (LTS Disarankan)
• PNPM digunakan dalam contoh tetapi npm atau yarn juga dapat bekerja.
• Direkomendasikan: Turbo pnpm add turbo --global atau gunakan pnpx turbo sebagai pengganti turbo di bawah ini.

Konfigurasikan lingkungan Anda

• Salin .env.example ke .env dan konfigurasikan variabel lingkungan. Untuk bantuan, silakan hubungi Discord. Lihat Env-Schema.mjs untuk persyaratan eksplisit.

? Menyiapkan postgres

Lihat .Env.Example dan Env-Schema.mjs untuk variabel lingkungan yang diperlukan. Saat ini hanya postgres melalui prisma yang didukung. Anda dapat menggunakan instance Postgres lokal (disarankan untuk menggunakan Docker) atau penyedia cloud seperti Supabase.

Setelah Anda mengatur, diamankan, dan mengonfigurasi postgres Anda, jalankan perintah berikut:

pnpm db:generate
pnpm db:push

• db:generate membuat pengetikan lokal dan info DB dari file schema.prisma ( ./packages/db/prisma/schema.prisma ).
• db:push mendorong skema ke penyedia database (PostgreSQL secara default).
• Jalankan perintah ini pada instal pertama dan kapan pun Anda melakukan perubahan pada skema.

Jalankan pengembangan

turbo dev
# or
pnpm dev

Proyek ini bercabang dari Create-T3-Turbo untuk mencari tahu lebih lanjut, Anda dapat memeriksa dokumentasi boilerplate

? Berbaris

Pastikan Anda menginstal ekstensi yang disarankan dalam solusi, terutama es-lint .

Linting dijalankan pada setiap bangunan dan dapat gagal.

Untuk mendapatkan daftar lengkap kesalahan berberat:

turbo lint

Beberapa di antaranya mungkin dapat diperbaiki secara otomatis dengan:

turbo lint:fix

Dan versi yang dijalankan CI:

SKIP_ENV_VALIDATION=true NODE_ENV=production  turbo build

Untuk sisanya, Anda harus membuka file yang terkait dan memperbaiki kesalahannya sendiri. Batasi ts-ignore untuk kasus-kasus ekstrem.

Sebagai praktik terbaik, jalankan turbo lint sebelum memulai fitur dan setelah menyelesaikan fitur dan memperbaiki kesalahan sebelum mengirim PR .

Berkontribusi dan membantu

• Devs: Contributing.md
• Bintang proyek!
• Bergabunglah dengan Perselisihan!
• Jika Anda tidak teknis, Anda masih dapat membantu meningkatkan dokumentasi atau menambahkan contoh atau berbagi cerita pengguna Anda dengan komunitas kami; Bantuan atau kontribusi apa pun diterima!

Kontributor

Dokumen yang membantu

• Lihat semua markdown yang termasuk dalam proyek untuk lebih spesifik!

? Terima kasih khusus

• Pemelihara dan Kontributor Langchain.js
• Pemelihara dan Kontributor Autogpt, AgentGpt, Superagi, GPT-Researcher, Lemon-Agent
• E2B
• Protokol Agen dari AI Engineer Foundation
• Big-agi
• lagi...

? Buka inti

Aplikasi, paket, perpustakaan, dan seluruh monorepo tersedia secara bebas di bawah lisensi MIT. Proses pengembangan terbuka, dan semua orang dipersilakan untuk bergabung. Di masa depan, kami dapat memilih untuk mengembangkan ekstensi yang dilisensikan untuk penggunaan komersial.