AdalFlow

⚡ A biblioteca para construir e otimizar automaticamente aplicativos LLM ⚡

Toda a documentação | Modelos | Retrievers | Agentes | Avaliação LLM | Treinador e otimizadores

Para pesquisadores de IA, equipes de produtos e engenheiros de software que desejam aprender o caminho da IA.

Início rápido

Instale o ADALFLOW com PIP:

pip install adalflow

Consulte o guia de instalação completo para obter mais detalhes.

• Experimente o edifício Quickstart em Colab para ver como o AdalFlow pode criar o pipeline de tarefas, incluindo chatbot, rag, agente e saída estruturada.
• Experimente a otimização QuickStart para ver como o AdalFlow pode otimizar o pipeline de tarefas.

Por que adalflow

1. Abraçando um padrão de design semelhante ao pytorch, o AdalFlow é poderoso, leve, modular e robusto. O ADALFLOW fornece blocos de construção Model-agnostic para criar pipelines de tarefas LLM, variando de RAG, agentes a tarefas clássicas de PNL, como classificação de texto e reconhecimento de entidade nomeado. É fácil obter alto desempenho apenas usando o aviso manual.
2. O AdalFlow fornece uma estrutura unificada de diferenciação automática para otimização de prompt de tiro zero e otimização de poucos tiro. Ele avança a pesquisa de otimização de auto-otimização existente, incluindo Text-Grad e DsPy . Através de nossa pesquisa, Text-Grad 2.0 e Learn-to-Reason Few-shot In Context Learning , o Adalflow Trainer alcança a maior precisão, sendo o mais eficiente em termos de token.

Aqui está uma demonstração de otimização em uma tarefa de classificação de texto:

Entre todas as bibliotecas, o AdalFlow alcançou a maior precisão com solicitação manual (a partir de 82%) e a maior precisão após a otimização.

Leitura adicional: otimizar a classificação

Pipeline de tarefas leves, modulares e agnósticas

LLMs são como água; O AdalFlow o ajuda rapidamente a moldá -los em qualquer aplicativo, de aplicativos Genai, como chatbots, tradução, resumo, geração de código, rag e agentes autônomos a tarefas clássicas de PNL, como classificação de texto e reconhecimento de entidade nomeado.

O AdalFlow possui duas classes base fundamentais, mas poderosas: Component para o pipeline e DataClass para interação de dados com o LLMS. O resultado é uma biblioteca com abstração mínima, fornecendo aos desenvolvedores a máxima personalização .

Você tem controle total sobre o modelo de prompt, o modelo que você usa e a análise de saída para o seu pipeline de tarefas.

Muitos provedores e modelos acessíveis através da mesma interface:

Todos os provedores de modelos disponíveis

Leitura adicional: como começamos, design de filosofia e hierarquia de classes.

Estrutura unificada para otimização automática

O ADALFLOW fornece otimização de prompt de alto desempenho e eficiência de token dentro de uma estrutura unificada. Para otimizar o seu pipeline, basta definir um Parameter e passá -lo para o Generator do AdalFlow. Se você precisa otimizar as instruções da tarefa ou executar algumas demonstrações de poucas fotos, a estrutura unificada da AdalFlow oferece uma maneira fácil de diagnosticar , visualizar , depurar e treinar seu pipeline.

Este gráfico de computação dinâmica demonstra como nossa diferenciação automática e o gráfico de computação dinâmica funcionam.

Não há necessidade de nós e bordas definidos manualmente, o AdalFlow rastreará automaticamente o gráfico de computação para você.

Oleoduto de tarefa treinável

Basta defini -lo como um Parameter e passá -lo para o Generator do AdalFlow.

AdalComponent & Trainer

AdalComponent atua como o 'intérprete' entre o pipeline de tarefas e o treinador, definindo etapas de treinamento e validação, otimizadores, avaliadores, funções de perda, motor para trás para gradientes textuais ou rastrear as manifestações, o gerador de professores.

Documentação

Documentação completa do AdalFlow disponível em adalflow.sylph.ai:

• Como começamos
• Introdução
• Guia de instalação completa
• Filosofia de design
• Hierarquia de classe
• Tutoriais
• Modelos suportados
• Retrievers suportados
• Referência da API

AdalFlow: uma homenagem a Ada Lovelace

Adalflow é nomeado em homenagem a Ada Lovelace, a pioneira matemática feminina que primeiro reconheceu que as máquinas poderiam ir além de meros cálculos. Como uma equipe liderada por uma fundadora, pretendemos inspirar mais mulheres a seguir carreiras na IA.

Comunidade e colaboradores

O AdalFlow é um projeto orientado à comunidade, e recebemos todos para se juntarem a nós na construção do futuro dos aplicativos LLM.

Junte -se à nossa comunidade Discord para fazer perguntas, compartilhar seus projetos e obter atualizações no AdalFlow.

Para contribuir, leia nosso guia colaborador.

Colaboradores

Agradecimentos

Muitos trabalhos existentes inspiraram bastante a Biblioteca Adalflow! Aqui está uma lista não exaustiva:

• Pytorch para filosofia de design e padrão de design de Component , Parameter , Sequential .
• Microgrado: um pequeno motor AutoGrad para nossa arquitetura de diferenciação automática.
• Graduação de texto para o otimizador de texto Textual Gradient Descent .
• DSPY para inspirar os __{input/output}__fields em nosso DataClass e o otimizador de poucos tiros de bootstrap.
• OPRO para adicionar instruções anteriores de texto junto com sua precisão no otimizador de texto.
• Pytorch Lightning para o AdalComponent e Trainer .

Citação

 @software { Yin2024AdalFlow ,
  author = { Li Yin } ,
  title = { {AdalFlow: The Library for Large Language Model (LLM) Applications} } ,
  month = { 7 } ,
  year = { 2024 } ,
  doi = { 10.5281/zenodo.12639531 } ,
  url = { https://github.com/SylphAI-Inc/AdalFlow }
}