babyagi chroma agent

? Шаблон ребенка с инструментами Langchain и Chroma? ⛓

Babyagichrome.mp4

---

Вдохновлен Йохейной Каджима Бядаги

Репозиторий Babyagi-Chroma предлагает бесплатный векторный раствор для хранения, Chroma, который работает локально. Это особенно выгодно для пользователей, которые хотят избежать потенциальных затрат, связанных с другими вариантами векторного хранения, таких как Pinecone.

Цель

Этот скрипт Python демонстрирует пример системы управления задачами на основе AI, которая использует базу данных Langchain, OpenAI и Vector Chroma для создания, определения приоритетов и выполнения задач. Система создает задачи на основе результатов предыдущих задач и предопределенной цели. Затем в сценарии используются инструментарий Langchain Openai естественного языка (NLP) и возможности поиска для создания новых задач на основе цели, в то время как Chroma хранят и извлекает результаты задачи для контекста. Это упрощенная версия оригинального автономного агента, управляемого задачами (28 марта 2023 г.).

Этот Readme охватывает следующие темы:

• ? Шаблон ребенка с инструментами Langchain и Chroma? ⛓
• Цель
• ? Как это работает
  • ? Цепочка исполнения
  • ➕ Цепочка создания задач
  • ? Цепочка приоритетов задачи
  • ? Хрома
• Как использовать
• ? Поддерживаемые модели
• ️ Предупреждение
• ? Вклад
• Предыстория

? Как это работает

Сценарий выполняет следующие шаги в бесконечной петле:

1. Добавляет и извлекает первую задачу из списка задач.
2. Отправляет задачу агенту исполнения, который использует инструменты и методы Langchain, включая OpenAI, для выполнения задачи на основе контекста.
3. Обогащает результат и хранит его в Chroma.
4. Создает новые задачи и переорчает список задач в соответствии с целью и результатом предыдущей задачи.

? Цепочка исполнения

Цепочка выполнения обрабатывает заданную задачу, рассматривая цель и контекст. Он использует Llmchain Llmchain Langchain для выполнения задачи. Функция execute_task принимает chroma vectorstore, цепочку выполнения, цель и информацию о задачи в качестве входных данных. Он получает список лучших k -задач из Vectorstore на основе цели, а затем выполняет задачу, используя цепочку выполнения, сохраняя результат в Vectorstore. Функция возвращает результат.

Цепочка выполнения явно не определена в этом блоке кода. Тем не менее, он передается в качестве параметра для execute_task и может быть определена отдельно в коде. Это экземпляр класса LLMCHAIN ​​от Langchain, который принимает подсказку и генерирует ответ на основе предоставленных входных переменных.

➕ Цепочка создания задач

В классе TaskCreationChain используется Llmchain для создания новых задач. Функция from_llm принимает параметры с использованием resckttemplate из Langchain, возвращая список новых задач в качестве строк. Затем он создает экземпляр TaskCreationChain вместе с пользовательскими входными переменными и указанным поведением.

? Цепочка приоритетов задачи

В классе TaskPrioritizationChain используется LLMCHAIN ​​для определения приоритетов задач. Функция from_llm принимает параметры через rampletemplate из Langchain, возвращая список новых задач в виде строк. Затем он создает экземпляр TaskPrioritizationChain вместе с пользовательскими входными переменными и указанным поведением.

? Хрома

Сценарий использует Chroma для хранения, поиска сходства и получения результатов задачи для контекста. Он создает индекс Chroma на основе имени таблицы, указанного в переменной TABLE_NAME . Впоследствии Chroma сохраняет задачу приводит к индексу, а также имя задачи и любые дополнительные метаданные.

Как использовать

Чтобы использовать сценарий, выполните следующие шаги:

1. Клон репозиторий: git clone https://github.com/alexdphan/babyagi-chroma.git и cd в клонированный каталог.
2. Установите требуемые пакеты: pip install -r requirements.txt
3. Скопируйте файл .env.example на .env : cp .env.example .env . Установите следующие переменные в этом файле.
4. Предоставьте свои клавиши API в OPENAI_API_KEY и SERPAPI_API_KEY .
5. Установите имя таблицы, где результаты задачи будут храниться в переменной TABLE_NAME .
6. (Необязательно) Установите цель системы управления задачами в OBJECTIVE переменной.
7. (Необязательно) Установите первую задачу системы в переменной INITIAL_TASK .
8. Запустите скрипт, используя команду python babyagi-chroma.py .

Все необязательные значения, выше, также могут быть указаны в командной строке.

? Поддерживаемые модели

Этот сценарий работает со всеми моделями OpenAI. Модель по умолчанию- GPT-3.5 (Text-Davinci-003) . Чтобы использовать другую модель, не стесняйтесь соответствующим образом изменить код.

️ Предупреждение

Этот сценарий предназначен для постоянного запуска как часть системы управления задачами. Непрерывно запуск сценария может привести к высоким использованию API, поэтому, пожалуйста, используйте его ответственно. Кроме того, сценарий требует, чтобы API и SERP OpenAI был правильно настроен, поэтому убедитесь, что API настроены перед запуском сценария.

? Вклад

Чтобы поддерживать простоту, любезно придерживайтесь следующих рекомендаций при отправке PRS:

• Сосредоточьтесь на небольших модульных модификациях, а не на обширном рефакторинге.
• При введении новых функций предоставьте подробное описание конкретного варианта использования, с которым вы обращаетесь.

Предыстория

Поскольку затраты на векторное хранилище стоят дорого, цель состояла в том, чтобы предоставить бесплатный вариант хранения при использовании Babyagi. Следовательно, этот пример шаблона демонстрирует использование Babyagi с Chroma.

Beabyagi-Chroma-это ускоренная версия Babyagi, которая также является упрощенной версией оригинального автономного агента, управляемого задачами (28 марта 2023 года), разделенной в Twitter.