GPTSwarm
1.0.0
? GPTswarm은 LLM 기반 에이전트를위한 그래프 기반 프레임 워크로, 두 가지 고급 기능을 제공합니다.
세분화 된 수준에서 GPTswarm은 다음 구성 요소를 포함하는 라이브러리입니다.
| 기준 치수 | 설명 |
|---|---|
| Swarm.environment | 도메인 별 운영, 에이전트, 도구 및 작업 |
| Swarm.graph | 에이전트 그래프 및 떼 복합 그래프 작성 및 실행을위한 그래프 관련 기능 |
| Swarm.llm | LLM 백엔드 선택 및 운영 비용 계산을위한 인터페이스 |
| 떼. 메모리 | 색인 기반 메모리 |
| 떼 | 에이전트 성능 및 전반적인 떼 효율성을 향상 시키도록 설계된 최적화 알고리즘 |
? [10/12] 존중? Openai의 무리는? GPTSWARM을 고려하면 더 나은 옵션입니까? 떼 지능 ?.
[08/07] Mingchen은 상하이 AI 실험실과 함께 초청 세미나에 참석했습니다.
[07/25] 루이와 프란체스코는 ICML 2024에서 구두 프레젠테이션을했다.
[07/17] Mingchen은 GPTswarm을 메타에 도입했습니다.
[07/05] Mingchen은 Waic과 초대 된 대화를했습니다.
[06/21] Mingchen은 IA-Cas와 초대 된 대화를했습니다.
[06/20] Dmitrii는 Sberbank와 초대 된 대화를했다.
[06/03] SDAIA는 5 시간 세미나에 GPTSWARM 팀 (Wenyi, Francesco, Dmitrii)을 초대했습니다.
ICML2024 에 의해 GPTswarm이 구강 프리젠 테이션 (9,473의 144 위)으로 선정되었습니다! 축하합니다!
[05/01] GPTSwarm은 ICML2024에 의해 받아 들여졌다.
[04/18] Mingchen은 초대 된 대화를 Bigtedance에게 주었다.
[03/20] Mingchen은 초대 된 대화를 화웨이와 주었다.
[03/13] MITTR China 독점 인터뷰 Mingchen.
[03/01] GPTSWARM은 PIP를 통해 지금 설치할 수 있습니다 : pip install gptswarm
[02/27] 우리의 학술 논문 : 최적화 가능한 그래프로서 언어 에이전트가 공개됩니다.
다음은 벤치 마크 점수 개선을 향한 Edge 확률을 업데이트하는 Edge 최적화 프로세스입니다. 에이전트 내에서 가장자리는 고정 된 반면 에이전트 간 연결은 가장자리 가지 치기 (값 0, 파란색) 또는 생성 (값 1, 빨간색)을 향해 최적화되고 있습니다.
레포를 복제하십시오
git clone https://github.com/metauto-ai/GPTSwarm.git
cd GPTSwarm/패키지를 설치하십시오
conda create -n swarm python=3.10
conda activate swarm
pip install poetry
poetry install
.env.template 에 API 키를 추가하고 이름을 .env 로 변경해야합니다.
OPENAI_API_KEY = "" # for OpenAI LLM backend
SEARCHAPI_API_KEY = "" # for Web SearchGPTSWARM을 시작하는 것은 쉽습니다. 사전 정의 된 떼를 빠르게 실행하십시오
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 )또는 파일 분석기와 같은 도구를 사용하십시오.
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 )Colab의 최소 떼 예제를 확인하십시오.
커스텀 에이전트를 만들고 여기에서 떼를 실행하는 방법을 확인하십시오.
다음은 데모 노트북을 실행하는 방법에 대한 YouTube 비디오입니다.
프레임 워크를보다 고급 사용하려면 실험을 참조하십시오.
LM Studio를 통해 지역 LM 추론을 지원합니다. Mac 또는 Windows 용 데스크탑 앱을 다운로드하고 Huggingface 저장소에서 모델을 선택하고 서버를 시작하십시오. GPTswarm 코드에서 model_name='lmstudio' 사용하여 로컬 LLM에서 실행하십시오.
기여에 관심이 있으시면 개발자 문서를 읽으십시오.
라이브러리가 유용하거나 흥미로운 경우 논문을 인용하십시오.
@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}
}
