llm_adaptive_router

LLM Адаптивный маршрутизатор

Адаптивный маршрутизатор LLM - это пакет Python, который позволяет динамическому выбору модели на основе содержания запросов. Он использует эффективный векторный поиск для начальной категоризации и мелкозернистого выбора на основе LLM для сложных случаев. Маршрутизатор может адаптироваться и учиться на обратной связи, что делает его подходящим для широкого спектра приложений.

Функции

• Динамический выбор модели на основе содержания запросов
• Эффективный векторный поиск для начальной категоризации
• Мелкозернистый отбор на основе LLM для сложных случаев
• Адаптивное обучение на отзыве
• Гибкая конфигурация маршрутов и моделей
• Легкая интеграция с Langchain и различными поставщиками LLM

Установка

Вы можете установить адаптивный маршрутизатор LLM с помощью PIP:

pip3 install llm-adaptive-router

Быстрый старт

Вот основной пример того, как использовать адаптивный маршрутизатор LLM:

 from llm_adaptive_router import AdaptiveRouter , RouteMetadata
from langchain_chroma import Chroma
from langchain_openai import OpenAIEmbeddings , ChatOpenAI
from dotenv import load_dotenv
load_dotenv ()

gpt_3_5_turbo = ChatOpenAI ( model = "gpt-3.5-turbo" )
mini = ChatOpenAI ( model = "gpt-4o-mini" )
gpt_4 = ChatOpenAI ( model = "gpt-4" )

routes = {
    "general" : RouteMetadata (
        invoker = gpt_3_5_turbo ,
        capabilities = [ "general knowledge" ],
        cost = 0.002 ,
        example_sentences = [ "What is the capital of France?" , "Explain photosynthesis." ]
    ),
    "mini" : RouteMetadata (
        invoker = mini ,
        capabilities = [ "general knowledge" ],
        cost = 0.002 ,
        example_sentences = [ "What is the capital of France?" , "Explain photosynthesis." ]
        
    ),
    "math" : RouteMetadata (
        invoker = gpt_4 ,
        capabilities = [ "advanced math" , "problem solving" ],
        cost = 0.01 ,
        example_sentences = [ "Solve this differential equation." , "Prove the Pythagorean theorem." ]
    )
}

llm = ChatOpenAI ( model = "gpt-3.5-turbo" )

router = AdaptiveRouter (
    vectorstore = Chroma ( embedding_function = OpenAIEmbeddings ()),
    llm = llm ,
    embeddings = OpenAIEmbeddings (),
    routes = routes
)

query = "How are you"
query2 = "Write a Python function to hello world"
selected_model_route = router . route ( query )
selected_model_name = selected_model_route
print ( selected_model_name )
invoker = selected_model_route . invoker
response = invoker . invoke ( query )

print ( f"Response: { response } " )

Подробное использование

Создание метаданных маршрута

Используйте функцию create_route_metadata для определения маршрутов:

 from llm_adaptive_router import create_route_metadata

route = create_route_metadata (
    invoker = model_function ,
    capabilities = [ "capability1" , "capability2" ],
    cost = 0.01 ,
    example_sentences = [ "Example query 1" , "Example query 2" ],
    additional_info = { "key" : "value" }
)

Инициализация адаптации

Создайте экземпляр AdaptiveRouter с вашими настроенными маршрутами:

 router = AdaptiveRouter (
    vectorstore = your_vectorstore ,
    llm = your_llm ,
    embeddings = your_embeddings ,
    routes = your_routes
)

Программы маршрутизации

Используйте метод route , чтобы выбрать соответствующую модель для запроса:

 selected_model_route = router . route ( "Your query here" )
selected_model_name = selected_model_route . model
invoker = selected_model_route . invoker
response = invoker . invoke ( "Your query here" )

Добавление обратной связи

Улучшить производительность маршрутизатора, предоставив обратную связь:

 router . add_feedback ( query , selected_model , performance_score )

Расширенные функции

• Пользовательские векторные магазины: адаптивный маршрутизатор LLM поддерживает различные векторные магазины. Вы можете использовать любой векторный магазин, который реализует интерфейс VectorStore от Langchain.
• Обновления динамического маршрута: вы можете добавить или удалять маршруты динамически:

 router . add_route ( "new_route" , new_route_metadata )
router . remove_route ( "old_route" )

• Регулирующее поведение маршрутизатора: тонкая настройка поведения маршрутизатора:

 router . set_complexity_threshold ( 0.8 )
router . set_update_frequency ( 200 )