aws openai
v0.10.7
React + AWS без сервера полной реализации стека пример приложений, найденных в официальной документации OpenAI API. Смотрите эту систему архитектурной диаграммы для деталей. Это учебный инструмент для канала YouTube «Полный стек с Лоуренсом» и курс Университета Британской Колумбии, «Внедрение облачных технологий искусственного интеллекта».
Работает с средами Linux, Windows и MacOS.
Проверьте требования к проекту: учетная запись AWS и доступ к CLI, Terraform, Python 3.11, NPM и Docker Compose.
Просмотрите и отредактируйте файл конфигурации Master Terraform.
Запустите make и добавьте свои учетные данные в недавно созданный файл .env в корне репо.
Инициализируйте, создайте и запустите приложение.
git clone https://github.com/FullStackWithLawrence/aws-openai.git
make # scaffold a .env file in the root of the repo
make init # initialize Terraform, Python virtual environment and NPM
make build # deploy AWS cloud infrastructure, build ReactJS web app
make run # run the web app locally in your dev environment Полный API OpenAI : развертывает готовый к производству API для интеграции в полный набор услуг OpenAI, включая CHATGTP, Dall · E, Whisper и TTS.
Интеграция Langchain : простая конечная точка API для создания контекста, рассуждения приложения с гибкими абстракциями Langchain и инструментарием AI-первого. Используйте эту конечную точку, чтобы разработать широкий спектр приложений, от чат-ботов до вопросов-ответных систем.
Динамическое подсказка CHATGPT : простые шаблоны Terraform для создания высоко предпрокачиваемых чат -ботов. Программируйте и скините свои собственные приложения чата за считанные минуты.
Функция вызова : самая продвинутая функция интеграции OpenAI на сегодняшний день. OpenAI API Function Calling - это функция, которая позволяет разработчикам интегрировать свои собственные функции Python в обработку ответов в чате. Например, когда чат-бот, работающий на модели OpenAI GPT-3, генерирует ответы, он может вызвать эти пользовательские функции Python для выполнения определенных задач или вычислений, а затем включать результаты этих функций в его ответы. Эта мощная функция может использоваться для создания более динамичных и интерактивных чат-ботов, которые могут выполнять такие задачи, как извлечение данных в реальном времени, выполнение вычислений или взаимодействие с другими API или услугами. См. Исходный код Python для дополнительной документации и примеров, в том числе «get_current_weather ()» из официальной документации API OpenAI
Функциональные плагины : мы создали собственную модель «плагина» на основе YAML. Смотрите этот пример плагина и эту документацию для деталей или попробуйте его на этом живом сайте. Шаблоны YAML могут храниться локально или подавать из безопасного ведра AWS S3. Вы найдете набор забавных примеров плагинов здесь.
Полный исходный код и документация находятся здесь.
REACT APP, которое использует VITE.JS, @CHATSCOPE/CHAT-UI-KIT-React и React-Pro-Sidebar.
Полная документация находится здесь. Код Python находится здесь
API REST, реализующий каждое из 30 примеров применения из официальной документации API OpenAI с использованием модульного терраформного подхода. Использует набор Openai моделей AI, включая GPT-3.5, GPT-4, Dall · E, Whisper, Entgdings и Mederation.
.env и terraform.tfvars .Дополнительные требования:
Подробная документация для каждой конечной точки доступна здесь: документация
Чтобы получить поддержку сообщества, перейдите на официальную страницу проблем для этого проекта.
Этот проект демонстрирует широкий спектр хороших лучших практик кодирования для управления критически важными облачными микро службами в командной среде, а именно ее приверженность 12-факционной методологии. Пожалуйста, обратитесь к этой лучшей практике управления кодом для получения дополнительной информации.
Мы хотим сделать этот проект более доступным для учащихся и учащихся в качестве инструмента обучения, не добавляя чрезмерные рабочие нагрузки для любого, у кого есть полномочия для проекта. С этой целью мы также добавили несколько инструментов для обеспечения соблюдения кода и применения кода, а также автоматизированные процедуры для поддержания версий зависимостей пакетов, оценки запросов на вывод и семантических выпусков.
Мы приветствуем вклад! У вас есть множество способов принять участие, независимо от вашего происхождения. В дополнение к получению запросов, этот проект выиграет от участников, сосредоточенных на документации и создании видеоконтента, тестировании, вовлечении сообщества и стюардах, которые помогут нам обеспечить, чтобы мы соответствовали развивающимся стандартам для этического использования ИИ.
Для разработчиков, пожалуйста, посмотрите:
Вы также можете связаться с Лоуренсом МакДэниелом напрямую. Код состав по состоянию на февраль-2024:
-------------------------------------------------------------------------------
Language files blank comment code
-------------------------------------------------------------------------------
Python 29 732 722 2663
HCL 30 352 714 2353
Markdown 52 779 6 2344
YAML 23 112 149 1437
JavaScript 39 114 127 1088
JSX 6 45 47 858
CSS 5 32 14 180
make 1 27 30 120
Text 6 13 0 117
INI 2 15 0 70
HTML 2 1 0 65
Jupyter Notebook 1 0 186 48
Bourne Shell 5 17 55 47
TOML 1 1 0 23
Dockerfile 1 4 4 5
-------------------------------------------------------------------------------
SUM: 203 2,244 2,054 11,418
-------------------------------------------------------------------------------
