ppromptor

Prompt-Promptor: Kerangka kerja agen otonom untuk rekayasa cepat

Prompt-Promptor (atau Shorten for Ppromptor) adalah perpustakaan Python yang dirancang untuk secara otomatis menghasilkan dan meningkatkan petunjuk untuk LLMS. Ini menarik inspirasi dari agen otonom seperti autogpt dan terdiri dari tiga agen: proposer, evaluator, dan penganalisa. Agen -agen ini bekerja sama dengan para ahli manusia untuk terus meningkatkan petunjuk yang dihasilkan.

Fitur:

• ? Penggunaan LLM untuk meminta diri mereka dengan memberikan beberapa sampel.

• ? Bimbingan untuk OSS LLMS (mis.

• ? Perbaikan terus menerus.

• ? ‍?‍?‍? Kolaborasi dengan pakar manusia.

• Manajemen percobaan untuk rekayasa cepat.

• ? Antarmuka GUI Web.

• ? ️‍? Open source.

Peringatan

• Proyek ini saat ini dalam tahap telinga, dan diantisipasi bahwa akan ada perubahan desain besar di masa depan.

• Fungsi utama menggunakan loop tak terbatas untuk meningkatkan generasi petunjuk. Jika Anda memilih chatgpt openai sebagai target/analisis llms, mohon pastikan bahwa Anda menetapkan batas penggunaan.

Konsep

Diagram kelas yang lebih rinci dapat ditemukan di DOC

Instalasi

Dari GitHub

1. Instal Paket

 pip install ppromptor --upgrade

2. Klon Repositori dari GitHub

 git clone https://github.com/pikho/ppromptor.git

3. Mulai Web UI

 cd ppromptor
streamlit run ui/app.py

Menjalankan Model Lokal (Wizardlm)

1. Pasang paket yang diperlukan

 pip install requirements_local_model.txt

2. Tes apakah wizardlm dapat berjalan dengan benar

 cd <path_to_ppromptor>/ppromptor/llms
python wizardlm.py

Penggunaan

1. Mulai Aplikasi Web

 cd <path_to_ppromptor>
streamlit run ui/app.py

2. Muat examples/antonyms.db (default) untuk tujuan demo. Ini menunjukkan cara menggunakan chatgpt untuk memandu wizardlm untuk menghasilkan antonim untuk input yang diberikan.

3. Konfigurasi di tab Konfigurasi, atur Target LLM sebagai wizardlm jika Anda dapat menyimpulkan model ini secara lokal. Atau pilih Target LLM dan Analysis LLM sebagai chatgpt . Jika chatgpt digunakan, berikan kunci API OpenAI.

4. Muat dataset Proyek demo telah memuat 5 catatan. Anda dapat menambahkan dataset Anda sendiri. (Opsional)

5. Mulai beban kerja Tekan tombol Start untuk mengaktifkan alur kerja.

6. Kandidat prompt yang dihasilkan permintaan dapat ditemukan di tab Prompt Candidates . Pengguna dapat memodifikasi prompt yang dihasilkan dengan memilih hanya 1 kandidat, kemudian memodifikasi prompt, lalu Create Prompt . Prompt baru ini akan dievaluasi oleh agen evaluator dan kemudian terus meningkat oleh agen penganalisa. Dengan memilih 2 prompt, kita dapat membandingkan petunjuk ini berdampingan.

Kontribusi

Kami menyambut semua jenis kontribusi, termasuk permintaan fitur baru, perbaikan bug, implementasi fitur baru, contoh, dan pembaruan dokumentasi. Jika Anda memiliki permintaan tertentu, silakan gunakan bagian "Masalah". Untuk kontribusi lainnya, cukup buat permintaan tarik (PR). Partisipasi Anda sangat dihargai dalam meningkatkan proyek kami. Terima kasih!