superagent swift legacy

นี่คือ SDK สำหรับรุ่น Superagent Legacy คุณพบเวอร์ชันที่อัปเดตได้ที่นี่ !! repo นี้ไม่ได้รับการสนับสนุนอีกต่อไป !!

Superagent Legacy - Swift SDK

สร้างปรับใช้และจัดการตัวแทนที่ขับเคลื่อนด้วย LLM บนแพลตฟอร์ม

Swiftsdk ที่สร้างโดยชุมชนสำหรับเฟรมเวิร์ก Superagen LLM คุณต้องมีคีย์ API Superagent เพื่อใช้ SDK เพื่อให้ได้ Key API ของคุณไปที่ superagent.sh หรือแยกซื้อ repo หลักและโฮสต์ด้วยตนเอง

เรียนรู้เพิ่มเติมเกี่ยวกับ superagent เกี่ยวกับ repo หลัก: repo superagent

โปรดส่งปัญหาใด ๆ ที่คุณพบเข้าร่วมชุมชน Superagent หรือติดต่อฉันเพื่อพูดคุยเกี่ยวกับแอปพลิเคชัน LLM บนแพลตฟอร์ม

- เมฆ superagent

หากคุณกำลังมองหาวิธีการปลั๊กและเล่นเพื่อเริ่มต้นให้แน่ใจว่าได้ชำระเงิน superagent.sh

เอกสาร

คุณสามารถค้นหาเอกสารฉบับเต็มได้ที่นี่

- แผนงาน

คุณสามารถติดตามแผนงานได้ที่นี่

ภาพรวม

- นี่คืออะไร? Superagent เป็นเครื่องมือที่ทรงพลังที่ทำให้การกำหนดค่าและการปรับใช้ของตัวแทน LLM (รุ่นภาษาขนาดใหญ่) ง่ายขึ้นในการผลิต มันมีคุณสมบัติและฟังก์ชันการทำงานที่หลากหลายเพื่อให้นักพัฒนาสามารถสร้างจัดการและปรับใช้ตัวแทน AI กับการผลิตได้ง่ายขึ้นรวมถึงคุณสมบัติเช่นหน่วยความจำในตัวและการดึงเอกสารผ่าน DBS เวกเตอร์เครื่องมือที่ทรงพลัง webhooks งาน cron ฯลฯ

ตัวแทน

เอเจนต์เป็นโปรแกรมหรือระบบที่ออกแบบมาเพื่อทำงานเฉพาะหรือชุดของงาน ในบริบทของ Supergent เอเจนต์เป็นรูปแบบภาษาขนาดใหญ่ที่สามารถเข้าถึงชุดเครื่องมือและสามารถตัดสินใจได้ว่าเครื่องมือใดที่จะใช้ตามการป้อนข้อมูลของผู้ใช้

มีตัวแทนหลักสองประเภท: ตัวแทนการดำเนินการและตัวแทนแผนและตัวแทน ตัวแทนการดำเนินการตัดสินใจเกี่ยวกับการกระทำที่จะดำเนินการและดำเนินการครั้งละหนึ่งขั้นตอนในขณะที่ตัวแทนแผนและตัวแทนตัดสินใจครั้งแรกตัดสินใจเกี่ยวกับแผนการกระทำที่จะดำเนินการแล้วดำเนินการการกระทำเหล่านั้นทีละครั้ง

ตัวแทนสามารถเรียกใช้กับ memory รวมถึง document ที่ให้ตัวแทนมีความเป็นไปได้ที่จะจดจำข้อความก่อนหน้านี้และทำคำถาม/ตอบคำถาม

ข้อมูลอ้างอิง :

• ตอบโต้
• วางแผนและแก้

เอกสาร

SuperAgent อนุญาตให้ผู้ใช้ทำคำถามตอบผ่านเอกสารโดยการแนบ Document เข้ากับ Agent เอกสารคือไฟล์เช่น PDF, TXT, รูปภาพ, markdown ฯลฯ ที่สามารถนำเข้ามาได้โดยผ่าน URL ที่เปิดเผยต่อสาธารณะไปยัง API Superagent Superagent แยกเอกสารเหล่านี้ออกเป็นชิ้นเล็ก ๆ และเก็บไว้ในฐานข้อมูลเวกเตอร์เพื่อใช้ปลายน้ำ

วิธีการนี้มีข้อเสียบางอย่างเมื่อทำงานกับข้อมูลตาราง เรากำลังมองหาวิธีที่ดีที่สุดในการแก้ไขปัญหานี้

การแจ้ง

Superagent ช่วยให้ผู้ใช้สามารถกำหนดค่า Agents ของพวกเขาโดยใช้พรอมต์ พรอมต์เป็นชิ้นส่วนของข้อความที่ให้บริบทกับ LLM สามารถมีคำแนะนำเกี่ยวกับวิธีการที่เอเจนต์ควรทำหน้าที่ตัวแปรอินพุตที่ใช้สำหรับการฉีดข้อมูลลงในพรอมต์ ตัวอย่างทั่วไปของ input_variables คือ human_input , question และ chat_history สำหรับในหน่วยความจำบริบท

เอกสาร