Promptimizer

PreftsImizer-เฟรมเวิร์กการเพิ่มประสิทธิภาพของ AI อัตโนมัติ

โครงการนี้ใช้ระบบอัตโนมัติเพื่อเพิ่มประสิทธิภาพ AI โดยใช้อัลกอริทึมทางพันธุกรรมและเทคนิคการเรียนรู้ของเครื่อง มันถูกออกแบบมาเพื่อพัฒนาและปรับปรุงพรอมต์ LLM ใด ๆ ตัวอย่างใน repo นี้มุ่งเน้นไปที่การคัดกรองหุ้นที่ขับเคลื่อนด้วย AI

อ่านเพิ่มเติมเกี่ยวกับที่นี่

คำเตือน/ข้อจำกัดความรับผิดชอบ

การปรับให้เหมาะสมโดยใช้เฟรมเวิร์กนี้อาจมีราคาแพงมาก! ฉันไม่ยอมรับความรับผิดสำหรับค่าใช้จ่ายใด ๆ ที่เกิดขึ้น หากค่าใช้จ่ายคือการพิจารณาโปรดใช้ LLM ในท้องถิ่นเช่น Ollama เพื่อเพิ่มประสิทธิภาพ

ตรวจสอบ Nexustrade

หากต้องการดูผลลัพธ์ของพรอมต์ที่ได้รับการปรับปรุงให้ตรวจสอบ nexustrade.io Nexustrade เป็นแพลตฟอร์มการซื้อขายและการลงทุนอัตโนมัติที่ขับเคลื่อนด้วย AI ซึ่งช่วยให้ผู้ใช้สามารถสร้างทดสอบเพิ่มประสิทธิภาพและปรับใช้กลยุทธ์การซื้อขายอัลกอริทึม

ด้วยตัวคัดกรองสต็อกคุณสามารถถามคำถามใด ๆ ภายในไดเรกทอรีภาคพื้นดินรวมถึง:

• หุ้นเซมิคอนดักเตอร์ใดที่มีรายได้สุทธิสูงสุดสำหรับปีงบประมาณ 2563
• ค่า EBITDA ล่าสุดสำหรับหุ้น 10 อันดับแรก (โดย CAP ตลาด) คืออะไร?
• กระแสเงินสดฟรีโดยเฉลี่ยของหุ้นอีคอมเมิร์ซ 10 อันดับแรกของตลาด

คำถามใด ๆ เกี่ยวกับข้อมูลทางเทคนิคหรือพื้นฐานตัวคัดกรองสต็อก AI ของ Nexustrade สามารถตอบได้ ลองวันนี้ฟรี!

คุณสมบัติ

• การเพิ่มประสิทธิภาพตามอัลกอริทึมทางพันธุกรรมของพรอมต์ AI
• การจัดการประชากรด้วยการดำเนินการครอสโอเวอร์และการกลายพันธุ์
• การฝึกอบรมและการตรวจสอบโดยใช้ชุดข้อมูลแยกต่างหาก
• การประเมินประสิทธิภาพโดยอัตโนมัติ
• วิวัฒนาการหลายรุ่นของพรอมต์
• พารามิเตอร์ที่ปรับแต่งได้สำหรับขนาดประชากรรุ่นและอื่น ๆ

ข้อกำหนดเบื้องต้น

ก่อนที่คุณจะเรียกใช้โครงการนี้ตรวจสอบให้แน่ใจว่าคุณมีการตั้งค่าสิ่งที่จำเป็นต้องมีดังต่อไปนี้:

1. node.js : ตรวจสอบให้แน่ใจว่าคุณติดตั้ง node.js คุณสามารถดาวน์โหลดได้จาก nodejs.org

2. Populate inputs.ts : สร้างและเติมไฟล์ inputs.ts ด้วยรูปแบบต่อไปนี้:

 const inputs = [
  {
    text : "<Question to ask the model>" ,
    foldername : "foldername_for_the_input_output" ,
  } ,
] ;

export default inputs ;

3. Populate additionalSystemPrompts.ts : สร้างและเติมไฟล์ additionalSystemPrompts.ts ไฟล์ด้วยรูปแบบต่อไปนี้:

 const additionalSystemPrompts = [
  "System Prompt 1" ,
  "System Prompt 2" ,
  "System Prompt 3" ,
  "System Prompt 4" ,
  "System Prompt 5" ,
] ;

export default additionalSystemPrompts ;

4. ตั้งค่าตัวแปรสภาพแวดล้อม : สร้างไฟล์ .env ในไดเรกทอรีรากของโครงการและเพิ่มตัวแปรสภาพแวดล้อมต่อไปนี้:

 ANTHROPIC_API_KEY=your_anthropic_api_key
OPENAI_API_KEY=your_openai_api_key
OLLAMA_SERVICE_URL=http://localhost:11434
GOOGLE_APPLICATION_CREDENTIALS_JSON=path_to_your_google_application_credentials_json
CLOUD_DB=your_cloud_db_connection_string
LOCAL_DB=your_local_db_connection_string
MODEL_NAME=your_model_name

your_model_name your_anthropic_api_key , your_openai_api_key , path_to_your_google_application_credentials_json , your_cloud_db_connection_string , your_local_db_connection_string ชื่อ. คุณสามารถเปลี่ยนโมเดลเป็นโมเดลโอเพ่นซอร์สจาก Ollama หรือรุ่นจากมานุษยวิทยาได้โดยการตั้งค่าตัวแปรสภาพแวดล้อม MODEL_NAME

สำหรับฐานข้อมูลท้องถิ่นคุณสามารถเติมได้ด้วยสิ่งต่อไปนี้:

 LOCAL_DB="mongodb://127.0.0.1:27017/promptoptimizer"

โดยค่าเริ่มต้นระบบจะใช้ฐานข้อมูลท้องถิ่นที่ระบุใน process.env.LOCAL_DB หากคุณต้องการใช้ฐานข้อมูลคลาวด์ให้แน่ใจว่า process.env.CLOUD_DB มีการเติมและแก้ไขรหัสเพื่อใช้ตามต้องการ

การติดตั้ง

การพึ่งพา node.js

ในการติดตั้งการพึ่งพา node.js ที่จำเป็นให้เรียกใช้คำสั่งต่อไปนี้ในไดเรกทอรีรูทของโครงการ:

npm install

typescript และ ts-node

ในการเรียกใช้ไฟล์ typeScript โดยตรงคุณต้องติดตั้ง ts-node คุณสามารถติดตั้งทั่วโลกโดยใช้คำสั่งต่อไปนี้:

npm install -g ts-node

หรือคุณสามารถเพิ่มมันเป็นการพึ่งพา dev ในโครงการของคุณ:

npm install --save-dev ts-node

การพึ่งพา Python

ในการติดตั้งการพึ่งพา python ที่จำเป็นให้แน่ใจว่าคุณได้ติดตั้ง Python แล้วเรียกใช้คำสั่งต่อไปนี้ในไดเรกทอรีรากของโครงการ:

pip install -r requirements.txt

สิ่งนี้จะติดตั้งแพ็คเกจ Python ต่อไปนี้:

• matplotlib
• seaborn
• pandas

การติดตั้ง MongoDB

ในการติดตั้ง MongoDB ในพื้นที่ให้ทำตามขั้นตอนเหล่านี้:

1. ดาวน์โหลด MongoDB : ไปที่ศูนย์ดาวน์โหลด MongoDB และดาวน์โหลด MongoDB Community Server สำหรับระบบปฏิบัติการของคุณ

2. ติดตั้ง MongoDB :

• Windows : เรียกใช้ตัวติดตั้ง .msi ที่ดาวน์โหลดมาและทำตามคำแนะนำการติดตั้ง
• MacOS : ใช้ Homebrew เพื่อติดตั้ง MongoDB เปิดเทอร์มินัลแล้วเรียกใช้:

brew tap mongodb/brew
brew install [email protected]

• Linux : ทำตามคำแนะนำเฉพาะสำหรับการแจกจ่าย Linux ของคุณบนเว็บไซต์ MongoDB

3. เริ่ม MongoDB :

• Windows : MongoDB ควรเริ่มโดยอัตโนมัติหลังจากการติดตั้ง ถ้าไม่คุณสามารถเริ่มต้นได้ด้วยตนเองโดยเรียกใช้ mongod ในพรอมต์คำสั่ง
• MacOS : เริ่ม MongoDB โดยใช้บริการ Homebrew:

brew services start mongodb/brew/mongodb-community

• Linux : Start MongoDB โดยการรัน:

sudo systemctl start mongod

4. ตรวจสอบการติดตั้ง : เพื่อตรวจสอบว่า MongoDB กำลังทำงานอยู่ให้เปิดเทอร์มินัลหรือคำสั่งและเรียกใช้:

mongo

สิ่งนี้ควรเปิดเชลล์ MongoDB ซึ่งบ่งชี้ว่า MongoDB ติดตั้งและทำงานอย่างถูกต้อง

สร้างความจริงพื้นฐาน

ในการคัดท้ายแบบจำลองไปสู่พฤติกรรมที่ต้องการคุณจำเป็นต้องรู้ว่าคุณต้องการให้โมเดลตอบสนองต่ออินพุตที่หลากหลายอย่างไร ในการทำเช่นนี้คุณจะอัปเดต file input.ts ด้วยชื่อไฟล์และอินพุตที่คุณต้องการให้โมเดลเข้าใจ จากนั้นคุณจะเรียกใช้สคริปต์ populateGroundTruth.ts สคริปต์นี้ช่วยให้คุณสร้างความจริงพื้นฐานในแบบกึ่งอัตโนมัติ

การสร้างฮิวริสติกให้คะแนน

การใช้วิธีการบางอย่าง (เช่นโมเดลภาษาขนาดใหญ่) คุณต้องสามารถหาปริมาณได้ว่าเอาต์พุตของคุณจะอยู่ใกล้กับผลลัพธ์ที่คุณต้องการ คุณสามารถทำได้โดยใช้ "ผู้ประเมินพรอมต์" ที่ใช้ LLM ภายใน repo "ผู้ประเมินพรอมต์" ใช้ผลลัพธ์ของโมเดลและเอาต์พุตที่คาดหวังและส่งคืนคะแนน

การตั้งค่าแบบจำลองทางเลือก

หากต้องการใช้ Ollama เป็นทางเลือกแทน OpenAI ให้ทำตามขั้นตอนเหล่านี้:

1. ดาวน์โหลด Ollama : ไปที่ ollama.com/download และดาวน์โหลดเวอร์ชันที่เหมาะสมสำหรับระบบปฏิบัติการของคุณ

2. ดาวน์โหลดรุ่น : เยี่ยมชม ollama.com/library/llama3.1 เพื่อดาวน์โหลดรุ่นที่คุณต้องการใช้

3. ตั้งค่าตัวแปรสภาพแวดล้อม : ตรวจสอบให้แน่ใจว่าได้ตั้งค่าตัวแปรสภาพแวดล้อมต่อไปนี้ในไฟล์ .env ของคุณ:

 OLLAMA_SERVICE_URL=http://localhost:11434

หากคุณมี ANTHROPIC_API_KEY คุณสามารถใช้มานุษยวิทยาเพื่อเพิ่มประสิทธิภาพทันที

การรันสคริปต์ typeScript

ในการเรียกใช้สคริปต์ TypeScript คุณสามารถใช้ ts-node ตรวจสอบให้แน่ใจว่าคุณติดตั้ง ts-node ตามที่อธิบายไว้ข้างต้นแล้วเรียกใช้คำสั่งต่อไปนี้:

ts-node main.ts

อีกทางเลือกหนึ่งคุณสามารถรวบรวมรหัส typeScript เป็น JavaScript จากนั้นเรียกใช้โดยใช้ node.js:

1. รวบรวมรหัส TypeScript:

tsc

2. เรียกใช้รหัส JavaScript ที่รวบรวม:

node dist/main.js

ประสิทธิภาพการแสดงภาพ

ในการแสดงภาพการฝึกอบรมและการตรวจสอบความเหมาะสมในรุ่นคุณสามารถใช้ graph.py สคริปต์ Python สคริปต์นี้สร้างกราฟเพื่อให้คุณสามารถดูว่าประสิทธิภาพของพรอมต์ของคุณเปลี่ยนไปอย่างไรเมื่อเวลาผ่านไป ในการเรียกใช้สคริปต์ให้ใช้คำสั่งต่อไปนี้:

python graph.py

โดยทำตามคำแนะนำเหล่านี้คุณจะสามารถเพิ่มประสิทธิภาพพรอมต์โดยพลการวัดประสิทธิภาพและแสดงให้เห็นว่ามันปรับปรุงอย่างไรเมื่อเวลาผ่านไป