waggle dance
1.0.0
? Особенности | ? Дорожная карта | Внести свой вклад | ? Беги локально | ? Open Core
Вы также можете построить и развернуть себя! Однако вы должны настроить свою среду.
Waggledance.ai -это экспериментальное приложение, ориентированное на достижение определенных пользователей целей. Он обеспечивает дружественный, но самоуверенный пользовательский интерфейс для систем создания агентов. Проект фокусируется на объяснениях, наблюдении, одновременной генерации и исследовании. В настоящее время в дольфе философия развития предпочитает эксперименты по поводу стабильности, поскольку быстро развиваются системы достижения целей и агента.
Waggledance.ai берет цель и передает ее агенту планировщика , который транслирует график выполнения для подзадач. Каждая подзазазадача выполняется как можно одновременно с помощью агентов исполнения . Чтобы уменьшить плохие результаты и галлюцинации, подразделы рассматриваются агентами по критике . В конце концов, человек в цикле (вы!) Сможет общаться с отдельными агентами и при необходимости предоставлять коррекции курса.
Первоначально он был вдохновлен Auto-GPT и имеет параллельные функции, аналогичные тем, которые встречаются в GPT-Researcher. Поэтому основные принципы проекта включают скорость , точность , наблюдение и простоту . Кроме того, многие другие агентские системы написаны на Python, поэтому этот проект действует как небольшой контрбаланс и доступен для большого количества разработчиков JavaScript.
(Нестабильный) API также доступен через TRPC, а также API, реализованный в следующем.js. Клиентская сторона в основном отвечает за организацию и отзывы выполнения агента, в то время как API и сервер выполняют агенты и сохраняют результаты. Эта архитектура, вероятно, будет скорректирована в будущем.
TypeScript﹒ Langchain.js﹒ T3﹒ Приса﹒ trpc﹒ Утекать﹒ Postgres﹒ Openai api﹒ Муй радость
Live Project Roadmap Board﹒ Способствовать
По сути, все и все идет! Хотя многоагентные системы имеют длительное и легендарное прошлое, этот проект посвящен жениться на прошлых методах с последними исследованиями.
waggledance.ai можно развернуть локально с помощью Docker или вручную с помощью Node.js. Требуется конфигурация .env VARS.
docker-compose up --build
npm или yarn также могут работать.pnpm add turbo --global или использовать pnpx turbo вместо turbo ..env.example to .env и настройте переменные среды. Для помощи, пожалуйста, обратитесь за Discord. См. Env-schema.mjs для явных требований.См. В настоящее время поддерживается только Postgres через Prisma. Вы можете использовать локальный экземпляр Postgres (рекомендуется использовать Docker) или облачный поставщик, такой как Supabase.
После того, как вы настроили, закрепили и настроили свои постгры, запустите следующие команды:
pnpm db:generate
pnpm db:pushdb:generate создает локальные типики и информацию о DB из файла Schema.prisma ( ./packages/db/prisma/schema.prisma ).db:push схему к поставщику базы данных (PostgreSQL по умолчанию).turbo dev
# or
pnpm devЭтот проект был разветвлен от Create-T3-Turbo, чтобы узнать больше, вы можете проверить документацию по шаблону
Убедитесь, что вы установили рекомендуемые расширения в решении, особенно es-lint .
Linting запускается на каждой сборке и может сбой.
Чтобы получить полный список ошибок в личинке:
turbo lintНекоторые из них могут быть автоматически фиксированы с:
turbo lint:fixИ версия, которую работает CI:
SKIP_ENV_VALIDATION=true NODE_ENV=production turbo build В остальном вам нужно будет открыть связанный файл и самостоятельно исправить ошибки. Ограничьте ts-ignore для экстремальных случаев.
В качестве наилучшей практики запустите turbo lint , прежде чем запустить функцию и после завершения функции и исправить любые ошибки перед отправкой PR .
Приложения, пакеты, библиотеки и вся монорепо свободны доступны по лицензии MIT. Процесс разработки открыт, и все могут присоединиться. В будущем мы можем разработать расширения, которые лицензированы для коммерческого использования.
