ppromptor

프롬프트 홍보 자 : 프롬프트 엔지니어링을위한 자율 에이전트 프레임 워크

Prompt-Promptor (또는 Ppromptor의 단축)는 LLM의 프롬프트를 자동으로 생성하고 개선하도록 설계된 Python 라이브러리입니다. Autogpt와 같은 자율 에이전트로부터 영감을 얻고 제안자, 평가자 및 분석기의 세 가지 에이전트로 구성됩니다. 이 에이전트는 인간 전문가와 함께 생성 된 프롬프트를 지속적으로 향상시킵니다.

특징:

• ? 적은 샘플을 제공하여 LLM을 사용하여 스스로를 자극합니다.

• ? 더 강력한 LLM (예 : GPT4)의 OSS LLMS (예 : LLAMA)에 대한 지침

• ? 지속적으로 개선.

• ? ‍? ‍??? 인간 전문가와의 협력.

• 신속한 엔지니어링을위한 실험 관리.

• ? 웹 GUI 인터페이스.

• ? ️‍? 오픈 소스.

경고

• 이 프로젝트는 현재 귀중한 단계에 있으며 향후 주요 설계 변화가있을 것으로 예상됩니다.

• 주요 함수는 무한 루프를 사용하여 프롬프트 생성을 향상시킵니다. OpenAI의 chatGpt를 대상/분석 LLM으로 선택하면 사용 제한을 설정하십시오.

개념

DOC에서 더 자세한 클래스 다이어그램을 찾을 수 있습니다.

설치

Github에서

1. 패키지를 설치하십시오

 pip install ppromptor --upgrade

2. Github의 클론 리포지토리

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

3. 웹 UI를 시작하십시오

 cd ppromptor
streamlit run ui/app.py

로컬 모델 실행 (Wizardlm)

1. 필요한 패키지를 설치하십시오

 pip install requirements_local_model.txt

2. Wizardlm이 올바르게 실행될 수 있는지 테스트하십시오

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

용법

1. 웹 앱을 시작하십시오

 cd <path_to_ppromptor>
streamlit run ui/app.py

2. 데모 목적으로 데모 프로젝트로드 examples/antonyms.db (기본값)를로드하십시오. 이것은 Chatgpt를 사용하여 Wizardlm을 안내하여 주어진 입력에 대한 반의어를 생성하는 방법을 보여줍니다.

3. 구성 구성 탭 에서이 모델을 로컬로 추론 할 수있는 경우 Target LLM wizardlm 으로 설정하십시오. 또는 Target LLM 과 Analysis LLM 모두 chatgpt 로 선택하십시오. Chatgpt가 사용되는 경우 OpenAI API 키를 제공하십시오.

4. 데이터 세트로드 데모 프로젝트가 이미 5 개의 레코드를로드했습니다. 자신의 데이터 세트를 추가 할 수 있습니다. (선택 사항)

5. 작업로드 시작 Start 버튼을 눌러 워크 플로를 활성화합니다.

6. 프롬프트 후보자는 Prompt Candidates 탭에서 찾을 수 있습니다. 사용자는 1 명의 후보 만 선택한 다음 프롬프트를 수정 한 다음 프롬프트를 생성하여 생성 된 Create Prompt 를 수정할 수 있습니다. 이 새로운 프롬프트는 평가자 에이전트에 의해 평가 된 다음 분석기 에이전트에 의해 계속 개선됩니다. 2 개의 프롬프트를 선택하면 이러한 프롬프트를 나란히 비교할 수 있습니다.

기부금

새로운 기능 요청, 버그 수정, 새로운 기능 구현, 예제 및 문서 업데이트를 포함하여 모든 종류의 기여를 환영합니다. 특정 요청이있는 경우 "문제"섹션을 사용하십시오. 다른 기여의 경우 단순히 풀 요청 (PR)을 작성하십시오. 귀하의 참여는 프로젝트 개선에 매우 중요합니다. 감사합니다!