AdalFlow

⚡ Библиотека для создания и автооптимизации приложений LLM ⚡

Вся документация | Модели | Ретриверы | Агенты | Оценка LLM | Тренер и оптимизаторы

Для исследователей ИИ, команд продуктов и инженеров -программистов, которые хотят изучить путь ИИ.

Быстрый старт

Установите Adalflow с PIP:

pip install adalflow

Пожалуйста, обратитесь к полному руководству по установке для получения более подробной информации.

• Попробуйте Building QuickStart в Колабе, чтобы увидеть, как Adalflow может построить трубопровод задач, включая чат -бот, тряпку, агент и структурированный выход.
• Попробуйте оптимизацию QuickStart, чтобы увидеть, как Adalflow может оптимизировать трубопровод задач.

Почему Adalflow

1. Охватывая рисунок, похожий на Pytorch, Adalflow является мощным, легким, модульным и надежным. Adalflow предоставляет Model-agnostic строительные блоки для создания трубопроводов LLM задачи, от RAG, агентов до классических задач NLP, таких как классификация текста и распознавание сущности. Легко получить высокую производительность только с помощью ручного подсказки.
2. Adalflow предоставляет унифицированную автоматическую структуру как для оптимизации с нулевым выстрелом, так и для оптимизации нескольких выстрелов. Он продвигает существующие исследования автооптимизации, в том числе Text-Grad и DsPy . Благодаря нашему исследованию, Text-Grad 2.0 и Learn-to-Reason Few-shot In Context Learning , Adalflow Trainer достигает самой высокой точности, одновременно является самой эффективной.

Вот демонстрация оптимизации по задаче классификации текста:

Среди всех библиотек Adalflow достигла самой высокой точности с ручным подсказом (начиная с 82%) и самой высокой точностью после оптимизации.

Дополнительное чтение: оптимизируйте классификацию

Светлый, модульный и модель-алкогольный трубопровод задач

LLM - это как вода; Adalflow поможет вам быстро сформировать их в любые приложения, от приложений Genai, таких как чат -боты, перевод, суммирование, генерация кода, тряпку и автономные агенты до классических задач NLP, таких как классификация текста и распознавание объектов.

Adalflow имеет два фундаментальных, но мощные базовые классы: Component для трубопровода и DataClass для взаимодействия данных с LLMS. Результатом является библиотека с минимальной абстракцией, предоставляющая разработчикам максимальную настраиваемость .

У вас есть полный контроль над шаблоном приглашения, модель, которую вы используете, и выходной сигнал для вашего трубопровода задач.

Многие поставщики и модели, доступные через тот же интерфейс:

Все доступные поставщики моделей

Дальнейшее чтение: как мы начали, философия дизайна и классовая иерархия.

Унифицированная структура для автооптимизации

Adalflow обеспечивает токеновую и высокопроизводительную оптимизацию подсказки в унифицированной структуре. Чтобы оптимизировать свой трубопровод, просто определите Parameter и передайте его Generator Adalflow. Независимо от того, необходимо ли вам оптимизировать инструкции по заданиям или провести несколько демонстраций с несколькими выстрелами, Unified Framework Adalflow предлагает простой способ диагностики , визуализации , отладки и обучения вашего трубопровода.

Этот график динамического вычисления демонстрирует, как работают наше автодифференцирование и график динамического вычисления.

Не нужно вручную определенные узлы и ребра, Adalflow автоматически проследит для вас вычислительный график.

Тренируемый трубопровод задачи

Просто определите его как Parameter и передайте его Generator Adalflow.

Adalcomponent & Trainer

AdalComponent действует как «интерпретатор» между трубопроводом задач и тренером, определяя этапы обучения и валидации, оптимизаторы, оценщики, функции потерь, обратный двигатель для текстовых градиентов или отслеживание демонстраций, генератор учителя.

Документация

Полная документация Adalflow доступна по адресу adalflow.sylph.ai:

• Как мы начали
• Введение
• Полное руководство по установке
• Философия дизайна
• Классовая иерархия
• Учебные пособия
• Поддерживаемые модели
• Поддерживаемые ретриверы
• Ссылка на API

Adalflow: дань уважения Ada Lovelace

Adalflow назван в честь Ады Лавелис, новаторского женского математика, которая сначала признала, что машины могут выходить за рамки простых расчетов. Будучи командой, возглавляемой женщиной -основателем, мы стремимся вдохновить больше женщин на продолжение карьеры в ИИ.

Сообщество и участники

Adalflow-это проект, управляемый сообществом, и мы приветствуем всех присоединиться к нам в создании будущего приложений LLM.

Присоединяйтесь к нашему сообществу Discord, чтобы задать вопросы, поделиться своими проектами и получить обновления о Adalflow.

Чтобы внести свой вклад, пожалуйста, прочитайте наше руководство по вкладчику.

Участники

Благодарности

Многие существующие работы сильно вдохновили библиотеку Adalflow! Вот неэктактный список:

• Pytorch для философии дизайна и дизайна Component , Parameter , Sequential .
• Микрограда: крошечный двигатель Autograd для нашей автодифференциальной архитектуры.
• Текст-град для Textual Gradient Descent оптимизатора текста.
• DSPY для вдохновения __{input/output}__fields в нашем DataClass и загрузочного оптимизатора.
• OPRO для добавления прошлых текстовых инструкций вместе с его точностью в текстовом оптимизаторе.
• Pytorch Lightning для AdalComponent и Trainer .

Цитирование

 @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 }
}