navamai
1.0.0
ใช้ Navamai เพื่อเพิ่มผลผลิตและเวิร์กโฟลว์ของคุณด้วย AI ส่วนตัวที่รวดเร็วและคุณภาพ เปลี่ยนเทอร์มินัลของคุณให้กลายเป็นแอพ AI ส่วนบุคคลที่กำหนดค่าได้โต้ตอบและไม่สร้างความรำคาญ กำลังของ 15 LLMS และ 7 ผู้ให้บริการที่ปลายนิ้วของคุณ จับคู่กับเวิร์กโฟลว์ใน Markdown, VS Code, Obsidian และ GitHub รับผลผลิตอย่างรวดเร็วด้วยคำสั่งง่ายๆสามคำ
คำสั่งคือสิ่งที่คุณต้องการ: ดังนั้นแฟน ๆ วิทยาศาสตร์ LLM จะได้รับการเล่นสำนวนในสโลแกนของเรา มันเป็นบทละครบนกระดาษที่มีชื่อเสียงที่แนะนำโลกให้กับสถาปัตยกรรมโมเดลหม้อแปลง - ความสนใจคือสิ่งที่คุณต้องการ ด้วย Navamai คำสั่งง่ายๆผ่านเทอร์มินัลหรือเชลล์ที่คุณโปรดปรานคือสิ่งที่คุณต้องงอโมเดลภาษาขนาดใหญ่หรือขนาดเล็กตามความปรารถนาของคุณ Navamai ให้ UI ที่หลากหลายภายในพรอมต์คำสั่งของคุณ ไม่มีแท็บเบราว์เซอร์ที่จะเปิดไม่มีแอพที่จะติดตั้งไม่มีการสลับบริบท ... เพียงแค่เวิร์กโฟลว์บริสุทธิ์ที่เรียบง่ายและรวดเร็ว ลองใช้คำสั่งง่ายๆเช่น ask "create a table of planets" และดูว่าเทอร์มินัลของคุณมีชีวิตเหมือนแชท UI ที่มีการตอบสนองการสตรีมอย่างรวดเร็วตารางที่จัดรูปแบบ markdown และแม้แต่บล็อกรหัสที่มีไฮไลต์สีหากพรอมต์ของคุณต้องการรหัสในการตอบสนอง! Navamai ได้เปิดตัว 14 คำสั่งเพื่อช่วยปรับแต่งเวิร์กโฟลว์ AI ส่วนตัวของคุณ
รุ่นและผู้ให้บริการด้านบน: คุณสามารถสลับโมเดลส่วนตัวหรือโฮสต์ LLMs ได้อย่างง่ายดาย Navamai มาพร้อมกับการสนับสนุนที่กำหนดค่าได้สำหรับรุ่นชั้นนำมากกว่า 15 รุ่น (GPT 4O, Sonnet 3.5, Gemini 1.5 Pro, Mistral Nemo, Sonar Llama 3.1 ... ) จาก 7 ผู้ให้บริการ (Ollama, Manthropic, Openai, Groq, Google, Bedrock และ Perplexity)
Workflows Markdown: Navamai ทำงานร่วมกับเนื้อหา Markdown (ไฟล์ข้อความที่มีคำสั่งการจัดรูปแบบง่าย ๆ ) ดังนั้นคุณสามารถใช้มันด้วยเครื่องมือยอดนิยมมากมายเช่น VS Code และ Obsidian เพื่อออกแบบเวิร์กโฟลว์ที่กำหนดเองอย่างรวดเร็วและราบรื่นซึ่งช่วยเพิ่มงานฝีมือของคุณ
ทำมากขึ้นด้วยน้อยลง: Navamai นั้นง่ายมากที่จะใช้นอกกรอบในขณะที่คุณเรียนรู้คำสั่งที่ทรงพลังจำนวนหนึ่ง ในขณะที่คุณสบายใจคุณสามารถปรับแต่งคำสั่ง NAVAMAI ได้ง่ายๆโดยการเปลี่ยนไฟล์กำหนดค่าหนึ่งไฟล์และจัดตำแหน่ง Navamai ให้เหมาะกับเวิร์กโฟลว์ของคุณ ทุกอย่างใน Navamai มีค่าเริ่มต้นที่สมเหตุสมผลในการเริ่มต้นอย่างรวดเร็ว
ทำให้เป็นของคุณเอง: เมื่อคุณพร้อมแล้วทุกอย่างสามารถกำหนดค่าได้และขยายได้รวมถึงคำสั่ง, โมเดล, ผู้ให้บริการ, พรอมต์, พารามิเตอร์โมเดล, โฟลเดอร์และประเภทเอกสาร สิ่งมหัศจรรย์อีกอย่างหนึ่งเกิดขึ้นเมื่ออินเทอร์เฟซกับ AI กำเนิดของคุณคือพรอมต์คำสั่งที่ต่ำต้อย คุณจะได้สัมผัสกับความรู้สึกของการควบคุม ในการควบคุมเวิร์กโฟลว์ความเป็นส่วนตัวความตั้งใจและสิ่งประดิษฐ์ของคุณ คุณสามารถควบคุมเวิร์กโฟลว์ AI ส่วนตัวของคุณกับ Navamai ได้อย่างสมบูรณ์
ไปที่โฟลเดอร์ที่คุณต้องการเริ่มต้น Navamai นี่อาจเป็นห้องนิรภัย Obsidian ของคุณหรือโฟลเดอร์ Project รหัส VC หรือแม้แต่โฟลเดอร์ที่ว่างเปล่า
pip install -U navamai # upgrade or install latest NavamAI
navamai init # copies config file, quick start samples
navamai id # identifies active provider and model
ask " How old is the oldest pyramid? " # start prompting the model คุณจะต้องตั้งค่าปุ่มผู้ให้บริการแบบจำลอง แก้ไขสภาพแวดล้อมของคุณ config ~/.zshrc เช่นนั้น
export ANTHROPIC_API_KEY= # https://docs.anthropic.com/en/api/getting-started
export OPENAI_API_KEY= # https://openai.com/index/openai-api/
export GROQ_API_KEY= # https://console.groq.com/keys
export GEMINI_API_KEY= # https://ai.google.dev/gemini-api
export PERPLEXITY_KEY= # https://www.perplexity.ai/settings/api หากคุณไม่ต้องการใช้โมเดลใด ๆ สิ่งที่คุณต้องทำคือลบรายการที่เกี่ยวข้องออกจาก navamai.yml ใน model-mapping และส่วน provider-model-mapping ตรวจสอบให้แน่ใจว่าโมเดลอื่น ๆ กำหนดค่าเฉพาะอ้างอิงจากรุ่นที่มีอยู่เท่านั้น
สำหรับรุ่นท้องถิ่นติดตั้ง Ollama และดาวน์โหลดรุ่นล่าสุดที่คุณต้องการเรียกใช้
ตอนนี้คุณพร้อมที่จะทดสอบทุกรุ่นและผู้ให้บริการ
navamai test ask
navamai test visionข้ามส่วนนี้หากคุณมีสภาพแวดล้อม Python ของคุณแล้ว
ก่อนอื่นคุณควรใช้งูหลามล่าสุดในระบบของคุณด้วย Python Package Manager ที่อัพเกรดเป็นล่าสุด
python --version
# should return Python 3.12.x or higher as on Sep'24pyenvการเปลี่ยนไดเรกทอรีเป็นเวิร์กสเปซรหัส VS ของคุณ, Obsidian Vault หรือโฟลเดอร์ที่คุณต้องการติดตั้ง Navamai ถัดไปสร้างสภาพแวดล้อมเสมือนจริง
python -m venv env ตอนนี้คุณสามารถเปิดใช้งานสภาพแวดล้อมเสมือนจริงของคุณได้เช่นนั้น คุณจะสังเกตเห็นว่าไดเรกทอรีนำหน้าด้วย (env) เพื่อระบุว่าตอนนี้คุณกำลังทำงานในสภาพแวดล้อมเสมือนจริง
. env/bin/activate เพื่อออกจากสภาพแวดล้อมเสมือนจริงโดยใช้คำสั่ง deactivate กลับเข้ามาอีกครั้งโดยใช้คำสั่งเดียวกับก่อนหน้านี้
ตอนนี้คุณพร้อมที่จะติดตั้ง Navamai
*โปรดทราบว่า navamai , ask , image และ refer เป็นคำสั่งระดับสูงสุดสี่คำสั่งให้คุณเมื่อคุณติดตั้ง Navamai
| สั่งการ | ตัวอย่างและคำอธิบาย |
|---|---|
| * ถาม | ask "your prompt"แจ้ง LLM สำหรับความรวดเร็ว, คมชัด (เริ่มต้นสูงถึง 300 คำ), การตอบกลับแบบเลี้ยวเดี่ยว askเรียกดูโฟลเดอร์พรอมต์ที่กำหนดค่าไว้แสดงรายการเทมเพลตพรอมต์เพื่อให้ผู้ใช้เรียกใช้ |
| การตรวจสอบ | navamai auditวิเคราะห์การใช้ Navamai ของคุณเองเมื่อเวลาผ่านไปด้วยแผงควบคุมสายคำสั่งและรายงาน Markdown |
| การกำหนดค่า | navamai config ask save trueแก้ไขการกำหนดค่าไฟล์ navamai.yml จากบรรทัดคำสั่ง |
| รวมตัว | navamai gather "webpage url"ขูดบทความจากหน้าเว็บอย่างหมดจดโดยไม่มีเมนูแถบด้านข้างส่วนท้าย รวมรูปภาพ บันทึกเป็น markdown ที่จัดรูปแบบคล้ายกับแหล่ง HTML อ้างอิงเนื้อหา Markdown ที่ถูกคัดค้านโดยใช้คำสั่ง refer gatherใช้วิสัยทัศน์บนภาพที่ถูกคัดค้านโดยใช้คำสั่ง navamai vision |
| * อ้างอิง | refer text-to-extractเรียกดูชุดไฟล์ข้อความดิบและเรียกใช้พรอมต์ที่กำหนดเองเพื่อแยกเนื้อหาที่มีโครงสร้างใหม่ refer inline-prompts-to-runเรียกใช้พรอมต์ที่ฝังอยู่ในข้อความภายในข้อความเพื่อขยายเปลี่ยนและแปลงเอกสารที่มีอยู่ refer intentsขยายชุดของเจตนาและพรอมต์ภายในเทมเพลต Intents refer your-commandคุณสามารถกำหนดค่าส่วนขยายของคุณเองเพื่ออ้างอิงคำสั่งโดยเพียงแค่คัดลอกและเปลี่ยนการกำหนดค่าโมเดล refer-existing |
| วิ่ง | navamai runเรียกดูโฟลเดอร์ Code สำหรับไฟล์ markdown ที่มีบล็อกรหัสสร้างการตั้งค่าและเรียกใช้แอพในคำสั่งเดียว!ไฟล์ Markdown ของโฟลเดอร์ Code ที่มีบล็อกโค้ดถูกสร้างขึ้นโดยใช้คำสั่ง ask Running Create Vite App.md แม่แบบพรอมต์หรือที่คล้ายกัน |
| รหัสประจำตัว | navamai idระบุผู้ให้บริการปัจจุบันและโมเดลสำหรับคำสั่ง asknavamai id section-nameระบุผู้ให้บริการและแบบจำลองที่กำหนดไว้ในส่วนเฉพาะ |
| * ภาพ | imageเลือกเทมเพลตพรอมต์เพื่อสร้างภาพ image "Prompt for image to generate"แจ้งให้สร้างภาพ |
| การเริ่มต้น | navamai initเริ่มต้น Navamai ในโฟลเดอร์ใด ๆ Copies navamai.yml เริ่มต้นการกำหนดค่าและเริ่มต้นอย่างรวดเร็วและฝังโฟลเดอร์และไฟล์ ตรวจสอบก่อนเขียนทับ ใช้ -ตัวเลือก FORCE เพื่อบังคับให้เขียนทับไฟล์และโฟลเดอร์ |
| เจตนา | navamai intents "Financial Analysis"เลือกแบบโต้ตอบจากรายการของเจตนาภายในเทมเพลตเพื่ออ้างอิงเนื้อหาที่ฝังอยู่ |
| ผสาน | navamai merge "Source File"ค้นหา Source File updated ด้วยแท็กตัวยึด [merge here] หรือตามที่กำหนดเองในการตั้งค่า merge จากนั้นรวมไฟล์สองไฟล์เข้ากับ Source File merged ใช้พร้อมกับคำสั่ง refer inline-prompts-to-run เพื่อลดจำนวนโทเค็นที่ประมวลผลเมื่อแก้ไขข้อความยาวสำหรับบริบท แต่อัปเดตเฉพาะส่วน |
| แยก | navamai split "Large File"ใช้คำสั่งนี้เพื่อแยกไฟล์ขนาดใหญ่ออกเป็นชิ้นภายในอัตราส่วนที่ระบุของบริบทโมเดลเป้าหมาย คุณสามารถกำหนดค่าโมเดลเป้าหมายและอัตราส่วนในส่วน split ของการกำหนดค่า ไฟล์ต้นฉบับยังคงไม่ถูกแตะต้องและสร้างไฟล์ใหม่ที่มีชื่อและ part # คำต่อท้ายถูกสร้างขึ้น |
| ทดสอบ | navamai test askการทดสอบคำสั่ง navamai โดยใช้ผู้ให้บริการและรุ่นทั้งหมดที่กำหนดไว้ในการกำหนดค่า navamai.yml และให้การทดสอบสรุปnavamai test visionทดสอบแบบจำลองการมองเห็น |
| แนวโน้ม | navamai trendsเห็นภาพความล่าช้าและแนวโน้มความยาวโทเค็นตาม navamai test ทำงานสำหรับคำสั่ง ask และ vision ในแบบจำลองและผู้ให้บริการ คุณสามารถแนวโน้มเป็นระยะเวลาหนึ่งวันโดยใช้ --days 7 |
| ตรวจสอบความถูกต้อง | navamai validate "Financial Analysis"ตรวจสอบความถูกต้องที่สร้างขึ้นก่อนหน้านี้ใช้โมเดลอื่นและรายงานความแตกต่างของเปอร์เซ็นต์ระหว่างเนื้อหาที่ผ่านการตรวจสอบแล้วและเนื้อหาต้นฉบับ |
| วิสัยทัศน์ | navamai vision -p path/to/image.png "Describe this image"เรียกใช้โมเดลการมองเห็นบนภาพจาก Local Path (-P), URL (-U) หรือกล้อง (-C) และตอบสนองตามพรอมต์ |
การใช้ Navamai ด้วยคำสั่งง่ายๆในเทอร์มินัลของคุณคุณสามารถสร้างตัวจัดการเนื้อหา AI ส่วนบุคคลที่เรียบง่าย แต่ทรงพลังด้วยเครื่องมือ Markdown ที่คุณเลือกเช่น Obsidian หรือ VS Code ตัวอย่างเช่นคุณสามารถเขียนโพสต์บล็อกบางส่วนเขียนแนวคิดเมล็ดพันธุ์ของคุณเริ่มต้นด้วยรายการของเจตนาและพรอมต์หรือจับบันทึกบางส่วนจากการบรรยายที่คุณเสียสมาธิเล็กน้อย
จากนั้นคุณสามารถใช้คำสั่ง refer ร่วมกับการกำหนด refer-section กำหนดเองภายใน navamai.yml เพื่อขยายเนื้อหาบางส่วนที่ไม่สมบูรณ์หรือเมล็ดลงในโพสต์, โน้ต, บทความ, บทความ, เทมเพลตพรอมต์และเอกสารที่ได้รับการวิจัยอย่างดี คุณสามารถทดลองกับตัวเลือกของแบบจำลองและผู้ให้บริการปรับแต่งการตั้งค่าโมเดลในประเภทการกำหนดค่าตามประเภทเอกสารกำหนดโฟลเดอร์ที่กำหนดเองสำหรับเนื้อหาของคุณและระบุเอกสารเฉพาะของเอกสารแจ้งเตือนเพื่อให้ได้ผลลัพธ์ที่คุณต้องการตามประเภทของเอกสาร คุณเพียงแค่ต้องจำคำสั่งง่ายๆหนึ่งคำ refer และคุณพร้อมแล้ว
เป็นตัวอย่างอย่างรวดเร็วลองดูโฟลเดอร์โพ Posts ด้วยโพสต์ตัวอย่างที่เขียนบางส่วนเกี่ยวกับกลยุทธ์การเติบโตเริ่มต้น ตอนนี้ดูส่วนการกำหนดค่าที่เกี่ยวข้องภายใน navamai.yml สำหรับการขยายโพสต์
refer-post-to-update :
lookup-folder : Posts
max-tokens : 4000
model : sonnet
provider : claude
save : true
save-folder : Posts
system : You will be given a partially written blog post on a topic.
Your job as an expert blog writer is to expand the post...
temperature : 0.5 โปรดทราบว่าสำหรับความกะทัดรัดเราไม่ได้แสดงรายการระบบที่สมบูรณ์พร้อมที่นี่ เห็นได้ชัดว่าคุณสามารถเปลี่ยนมันให้เหมาะกับเวิร์กโฟลว์ของคุณ สำหรับตอนนี้เพียงแค่ refer post-to-update "startup-growth-hacking" ภายในโฟลเดอร์ทำงานที่คุณเริ่มต้น Navamai ในไม่ช้าการตอบสนองแบบจำลองจะเริ่มสตรีมเข้าสู่เทอร์มินัลของคุณ โพสต์ขยายจะถูกบันทึกไว้ในโฟลเดอร์ Posts พร้อมคำนำหน้า updated เพื่อให้คุณสามารถเปรียบเทียบกับต้นฉบับได้
ในการสร้างประเภทเอกสารใหม่เช่นงานวิจัยบันทึกย่อชั้นเรียนสูตรการทำอาหารหรืออะไรก็ตามที่คุณต้องทำคือคัดลอกและปรับแต่งหนึ่งใน refer-post-to-update หรือ refer-intents-to-expand ไปยังส่วนต่างๆเช่นส่วน refer-notes-to-summarize ที่คุณกำหนดเอง จากนั้นคุณสามารถเรียกใช้คำสั่งที่กำหนดเองในประเภทเอกสารใหม่ของคุณเช่น refer notes-to-summarize "your-notes-file" และบรรลุผลลัพธ์เดียวกัน
เมื่อรวมกับคำสั่ง navamai อื่น ๆ เวิร์กโฟลว์นี้จะมีประสิทธิภาพยิ่งขึ้น ตัวอย่างเช่นเริ่มต้นด้วยการกำหนดเทมเพลตเอกสารของคุณสำหรับชุดของเจตนาและแจ้งเป็น markdown ง่าย ๆ ตัวอย่างเช่น Financial Analysis หรือ Product Management จะแสดงที่นี่ ถัดไปเพิ่มความตั้งใจสองสามอย่างเป็นหัวข้อเช่น Macro Factors Impact Stocks หรือ Top Companies by ROCE และอื่น ๆ จากนั้นเพิ่มพรอมต์อย่างง่ายภายใต้เจตนาเหล่านี้เพื่อสร้างเนื้อหา ตอนนี้คุณสามารถใช้ Navamai เพื่อขยายชุดของ Intents และ Prompts ในเทมเพลตเอกสารของคุณด้วยคำสั่ง refer intents-to-expand "Financial Analysis" และแบบจำลองจะระดมสมอง Intents และแจ้งให้คุณใช้
ตอนนี้เรียกใช้ navamai intents-to-expand "Financial Analysis" และเลือกรายการ Intents เพื่อสร้างเป็นเนื้อหาที่ฝังอยู่ การตอบสนองจะถูกบันทึกภายใต้โฟลเดอร์ Embeds โดยอัตโนมัติและการฝังจะเชื่อมโยงในแม่แบบเอกสารของคุณทันที ล้างออกทำซ้ำ
เวิร์กโฟลว์นี้มีประโยชน์อย่างรวดเร็วมาก เนื่องจากแต่ละเทมเพลตมีการเชื่อมโยงการฝังมุมมองกราฟ Obsidian สามารถใช้เพื่อแสดงภาพลิงค์ คุณสามารถรับเทมเพลตที่เกี่ยวข้องกับความคิดสร้างสรรค์และลิงก์หรือแม้กระทั่งปรับปรุงการฝังที่สร้างขึ้นด้วยความตั้งใจมากขึ้น แน่นอนว่านี่หมายความว่าคุณสามารถใช้ปลั๊กอิน Obsidian ที่ยอดเยี่ยมทั้งหมดเพื่อสร้างเว็บไซต์ PDF และอื่น ๆ ความคิดสร้างสรรค์ของคุณ + Obsidian + Navamai = Magic!
Navamai มาพร้อมกับการสนับสนุนที่กำหนดค่าได้สำหรับรุ่นชั้นนำมากกว่า 15 รุ่นจากผู้ให้บริการห้าราย (Ollama, Manthropic, Openai, Groq, Google) คำสั่ง navamai test สามารถใช้ในการเรียกใช้คำสั่ง Navamai แต่ละคำสั่งของผู้ให้บริการและการรวมโมเดลทั้งหมดและตอบสนองด้วยบทสรุปของการทดสอบแบบจำลองและผลการประเมินผล ใช้สิ่งนี้เพื่อเปรียบเทียบแบบจำลองและผู้ให้บริการอย่างรวดเร็วเช่นเดียวกับเมื่อคุณเพิ่มหรือลบโมเดลหรือผู้ให้บริการใหม่ในการกำหนดค่า
คำสั่งนี้มีประโยชน์มากเมื่อเปรียบเทียบเวลาตอบสนองแบบจำลอง (เวลาแฝง) คุณภาพการตอบสนอง (ทำตามระบบและคำแนะนำที่รวดเร็ว) ความแม่นยำในการตอบสนองและความยาวโทเค็น (ค่าใช้จ่าย) สำหรับพรอมต์เดียวกัน คุณสามารถกำหนดค่าพรอมต์การทดสอบภายใน navamai.yml ในส่วน test
นี่คือตัวอย่างของการเรียกใช้คำสั่ง navamai test vision และสรุปผลการทดสอบ ฉันมีพรอมต์และรูปภาพเริ่มต้นนี้เรากำลังแชร์รูปภาพประมาณ 150-160 คนที่ยืนอยู่ใกล้ในวงกลมและขอให้โมเดลนับจำนวนผู้คน หมายเลขที่ถูกต้องอยู่ระหว่าง 150-160 สิ่งนี้สามารถใช้ในการคำนวณความแม่นยำสัมพัทธ์ของแต่ละรุ่นตามการตอบสนอง การตอบสนองอย่างใกล้ชิดตามพรอมต์ของระบบและการแจ้งเตือนของผู้ใช้นั้นบ่งบอกถึงคุณภาพของการตอบสนองอย่างไร
นอกจากนี้คุณยังสามารถสังเกตเห็นเวลาตอบสนองที่ดูเหมือนจะเป็นสัดส่วนกับขนาดของแบบจำลอง สำหรับ Claude, Opus> Sonnet> Haiku สำหรับราศีเมถุน, โปร> แฟลช สำหรับ OpenAI, GPT-4O> GPT-4-MINI
คุณสามารถเรียก navamai test ask เพื่อทดสอบในทุกรุ่นและผู้ให้บริการ ในการดำเนินการนี้คุณอาจพบว่า GROQ เป็นหนึ่งในผู้ให้บริการที่เร็วที่สุดเมื่อมาถึงเวลาตอบสนอง
แน่นอนว่าคุณอาจต้องใช้การทดสอบหลายครั้งเพื่อให้ได้สัญชาตญาณเวลาตอบสนองที่ดีขึ้นเนื่องจากมีหลายปัจจัยที่มีผลต่อความล่าช้าอื่น ๆ นอกเหนือจากขนาดหรือสถาปัตยกรรมเช่นแฝงเครือข่ายซึ่งอาจเปลี่ยนแปลงในการทดสอบหลายครั้ง
คำสั่ง navamai test แต่ละคำสั่งจะบันทึกข้อมูลสรุปการทดสอบในโฟลเดอร์ Metrics โดยการประทับเวลาและผู้ให้บริการโมเดล เมื่อเวลาผ่านไปคุณสามารถเห็นภาพแนวโน้มของความล่าช้าและตัวชี้วัดนับโทเค็นเพื่อดูว่าโมเดลมีประสิทธิภาพอย่างต่อเนื่องหรือไม่ เรียกใช้คำสั่ง navamai trends เพื่อดูแนวโน้มเป็นเวลา 7 วัน (ค่าเริ่มต้น)
การสร้างภาพข้อมูลใช้ Sparklines เพื่อแสดงแนวโน้มข้อมูลเมื่อเวลาผ่านไป ใช้สิ่งนี้เพื่อตัดสินใจว่าจะเปลี่ยนรุ่นตามแนวโน้มประสิทธิภาพ
ต้องการเปรียบเทียบหลายรุ่นเคียงข้างกันหรือไม่? สิ่งที่คุณต้องทำคือเปิดหลายเชลล์หรืออินสแตนซ์เทอร์มินัล ตอนนี้ในแต่ละสิ่งเหล่านี้ทีละคนเปลี่ยนโมเดลเรียกใช้ ask "prompt" เดียวกันและเปรียบเทียบผลลัพธ์เคียงข้างกัน เรียบง่าย!
ในขณะที่คำสั่ง Navamai ใช้การกำหนดค่า navamai.yml ในโฟลเดอร์ปัจจุบันทุกครั้งที่พวกเขาทำงานคุณสามารถสร้างเวิร์กโฟลว์การทำงานแบบหลายโมเดลและข้ามตัวละครที่ซับซ้อนมากขึ้นโดยเพียงแค่คัดลอกไฟล์กำหนดค่าลงในโฟลเดอร์หลายโฟลเดอร์และเรียกใช้คำสั่งที่นั่น วิธีนี้คุณสามารถทำงานที่ใช้งานได้นานในรุ่นท้องถิ่นในโฟลเดอร์เดียวและเทอร์มินัล ในขณะที่คุณกำลังทำเวิร์กโฟลว์วันต่อวันในที่อื่น และอื่น ๆ
ไม่มีการตลาดเชิงพฤติกรรมหรือการแฮ็คการเติบโตที่ธุรกิจสามารถทำได้ภายในพรอมต์คำสั่งของคุณ คุณแนะนำเวิร์กโฟลว์ของคุณในแบบที่คุณรู้สึกฟิต เรียกใช้ผู้ให้บริการรุ่นที่เร็วที่สุด (GROQ กับ LLAMA 3.1) หรือรุ่นที่มีความสามารถมากที่สุดในขณะนี้ (SONNET 3.5 หรือ GPT-4O) หรือรุ่นเล็กล่าสุดบนแล็ปท็อปของคุณ (Mistral NEMO) หรือโมเดลที่มีบริบทที่ใหญ่ที่สุด (Gemini 1.5 Flash) เรียกใช้กับ wifi ที่รวดเร็วหรือไม่มีไวไฟ (ใช้โมเดลท้องถิ่น) ไม่มีข้อ จำกัด ค้นหาการวิจัยคำถามและคำตอบทันทีเพื่อเรียนรู้บางสิ่งหรือสร้างชุดของสิ่งประดิษฐ์เพื่อบันทึกในภายหลัง การเปลี่ยนไปใช้เวิร์กโฟลว์ใด ๆ เหล่านี้เป็นการเปลี่ยนแปลงสองสามอย่างในไฟล์กำหนดค่าหรือคำสั่งที่จำได้ง่าย ๆ ในเทอร์มินัลของคุณ
นอกจากนี้คุณยังสามารถกำหนดค่าชื่อโมเดลที่กำหนดเองไปยังการแมปเวอร์ชันรุ่นจริงเพื่อลดความซับซ้อนของคำสั่งการสลับโมเดล ด้วยการแมปต่อไปนี้คำสั่งเพื่อสลับโมเดลคือ navamai config ask model llama หรือ navamai config intents model haiku และอื่น ๆ
model-mapping :
# Claude models
sonnet : claude-3-5-sonnet-20240620
opus : claude-3-opus-20240229
haiku : claude-3-haiku-20240307
# Ollama models
llama : llama3.1
gemma : gemma2
mistral : mistral-nemo
# Groq models
groq-mixtral : mixtral-8x7b-32768
groq-llama : llama2-70b-4096
# OpenAI models
gpt4mini : gpt-4o-mini
gpt4o : gpt-4o
# Gemini models
gemini-pro : gemini-1.5-pro
gemini-flash : gemini-1.5-flash คุณตัดสินใจว่ารุ่นใดและผู้ให้บริการที่คุณไว้วางใจหรือแม้แต่เลือกใช้ LLM ในท้องถิ่นบนแล็ปท็อปของคุณ คุณอยู่ในการควบคุมว่าข้อมูลและความชอบของคุณยังคงเป็นส่วนตัวอย่างไร Navamai สนับสนุนโมเดลที่ทันสมัยจากมานุษยวิทยา Openai, Google และ Meta คุณสามารถเลือกผู้ให้บริการโฮสต์หรือ Ollama เป็นผู้ให้บริการรุ่นท้องถิ่นบนแล็ปท็อปของคุณ สลับระหว่างรุ่นและผู้ให้บริการโดยใช้คำสั่งง่ายๆเช่น navamai config ask model llama เพื่อเปลี่ยนจากรุ่นปัจจุบัน
คุณยังสามารถโหลดชุดกำหนดค่าแบบจำลองที่กำหนดเองที่แมปกับแต่ละคำสั่ง กำหนดค่าสิ่งเหล่านี้ในไฟล์ navamai.yml นี่คือตัวอย่างของการ จำกัด วิธีที่ navamai ask และ navamai intents คำสั่งทำงานแตกต่างกันโดยใช้ผู้ให้บริการโมเดลท้องถิ่นและโฮสต์
ask :
provider : ollama
model : mistral
max-tokens : 300
save : false
system : Be crisp in your response. Only respond to the prompt
using valid markdown syntax. Do not explain your response.
temperature : 0.3
intents :
provider : claude
model : sonnet
max-tokens : 1000
save : true
folder : Embeds
system : Only respond to the prompt using valid markdown syntax.
When responding with markdown headings start at level 2.
Do not explain your response.
temperature : 0.0 Navamai บันทึกเส้นทางของคำสั่งพรอมต์เทมเพลตโฟลเดอร์ค้นหาและไฟล์ที่บันทึกไว้ในไฟล์ trail.yml คุณสามารถเห็นภาพสิ่งนี้ได้ตลอดเวลาโดยใช้คำสั่ง navamai audit เพื่อรับข้อมูลเชิงลึกเกี่ยวกับการใช้งาน Navamai ของคุณเมื่อเวลาผ่านไป
เจตนาของคุณคืองานที่คุณต้องการดำเนินการเป้าหมายที่คุณต้องการบรรลุแผนการที่คุณต้องการตระหนักถึงการตัดสินใจที่คุณต้องการทำหรือคำถามที่คุณต้องการตอบ คุณควบคุมประสบการณ์ Navamai ทั้งหมดของคุณด้วยเจตนาของคุณ คุณสามารถบันทึกเจตนาของคุณเป็นโครงร่างของงานที่ง่ายในไฟล์ข้อความ คุณสามารถจำได้เมื่อคุณต้องการ คุณสามารถเรียกใช้โมเดลบนเจตนาของคุณได้ในขณะที่คุณรู้สึกฟิต คุณสามารถบันทึกผลลัพธ์ตามเจตนาของคุณ
คุณสามารถตรวจสอบเนื้อหาที่สร้างโดย LLM หนึ่งตัวพร้อมการตรวจสอบจากรุ่นอื่น ตรวจสอบให้แน่ใจว่าคุณเรียกใช้คำสั่งตรวจสอบความถูกต้องเท่านั้นหลังจากที่คุณได้เรียกใช้คำสั่ง refer intents เพื่อสร้างการผ่านครั้งแรกของการฝัง ใช้ navamai validate "Financial Analysis" หรือเทมเพลตเจตนาใด ๆ ที่คุณสร้างขึ้น เวิร์กโฟลว์สำหรับการตรวจสอบความถูกต้องคล้ายกันเพื่อขยายความตั้งใจ เฉพาะในกรณีนี้การตรวจสอบรูปแบบการกำหนดค่าตัดสินใจว่ารุ่นใดและผู้ให้บริการที่จะใช้ นอกจากนี้คุณยังสามารถแก้ไขพรอมต์การตรวจสอบเพื่อตรวจสอบสิ่งที่เกี่ยวข้องกับกรณีการใช้งานของคุณ Diff คำนวณจากข้อความต้นฉบับและการตรวจสอบความถูกต้องของการลบออกใหม่พื้นที่สีขาวหรือการจัดรูปแบบ markdown เมื่อทำการเปรียบเทียบ DIFF โดยใช้การให้คะแนนความคล้ายคลึงกัน ใช้สิ่งนี้เพื่อตรวจสอบคุณภาพโดยอัตโนมัติของเนื้อหาที่สร้างขึ้น
