flappy

monorepo flappy

โครงการนี้ยังอยู่ระหว่างการพัฒนา เรากำลังทำงานอย่างหนักเพื่อปล่อย Flappy เวอร์ชันแรกโดยเร็วที่สุด คอยติดตาม! เอกสารและรหัสตัวอย่างจะพร้อมใช้งานเร็ว ๆ นี้

monorepo นี้รวบรวมไลบรารี flappy ทั้งหมดซึ่งแต่ละห้องนำไปใช้ในภาษาการเขียนโปรแกรมที่แตกต่างกัน Flappy เป็นห้องสมุดที่พัฒนาขึ้นเพื่อปรับปรุงการสร้างแอพพลิเคชั่น AI และตัวแทนที่ใช้แบบจำลองภาษาขนาดใหญ่ (LLMS)

ภาพรวม

Flappy เป็นแอพพลิเคชั่น Language Language Model (LLM) การผลิต/ตัวแทน SDK ที่ออกแบบมาเพื่อลดความซับซ้อนของการรวม AI ในโครงการของคุณ มันเป็นโซลูชันที่ใช้งานง่ายในระดับสากลและพร้อมการผลิตซึ่งนำพลังของ AI มาสู่นักพัฒนาโดยไม่คำนึงถึงภาษาการเขียนโปรแกรมที่พวกเขาต้องการ

คุณสมบัติที่สำคัญ

• ความสะดวกในการใช้งาน : Flappy ได้รับการออกแบบให้ใช้งานง่ายเช่นเดียวกับการพัฒนาแอปพลิเคชัน CRUD ลดช่วงการเรียนรู้สำหรับนักพัฒนาใหม่ให้กับ AI
• พร้อมการผลิต : นอกเหนือจากการวิจัยแล้ว Flappy เป็น SDK ที่แข็งแกร่งซึ่งสร้างความสมดุลให้กับประสิทธิภาพการประหยัดต้นทุนและความปลอดภัยของ Sandbox เพื่อให้แพลตฟอร์มที่มั่นคงสำหรับสภาพแวดล้อมเชิงพาณิชย์
• Language-Agnostic : Flappy รวมเข้ากับภาษาการเขียนโปรแกรมใด ๆ อย่างราบรื่นไม่จำเป็นต้องใช้ Python เว้นแต่แอปพลิเคชันของคุณจะต้องใช้อย่างชัดเจน

SDK

	แหล่งที่มา	บรรจุุภัณฑ์	เอกสาร	สถานะ CI
	ชวา
	C#

ส่วนประกอบหลัก

คุณสมบัติตัวแทน

ในระบบนิเวศของ Flappy เอเจนต์ทำงานเป็นท่อที่มีความหลากหลายสำหรับ LLM ดำเนินงานที่หลากหลายเช่นข้อมูล ETL เรียกใช้ API ภายนอกหรือเรียกใช้รหัส Python ที่สร้างโดย LLM ในกล่องทรายเมื่อจำเป็น ปรัชญาการออกแบบนี้เหมาะกับความต้องการที่เพิ่มขึ้นสำหรับแอพพลิเคชั่น AI ที่ใช้ LLM ในหลายภาคส่วน

คุณสมบัติของตัวแทนใน flappy สร้างขึ้นบนสามประเภทพื้นฐาน:

1. Invokefunction : คุณสมบัตินี้ช่วยให้ตัวแทนสามารถโต้ตอบกับสภาพแวดล้อมได้ ผู้ใช้ควรใช้ฟังก์ชั่นเหล่านี้ด้วยพารามิเตอร์อินพุตและเอาต์พุตที่กำหนดไว้ล่วงหน้าช่วยอำนวยความสะดวกในการโต้ตอบที่มีประสิทธิภาพของ LLM และข้อมูลโลกแห่งความเป็นจริง
2. SynthesizedFunction : คุณสมบัตินี้ถูกประมวลผลโดย LLM และต้องการคำจำกัดความของคำอธิบายและการประกาศโครงสร้างข้อมูลของประเภทอินพุตและเอาต์พุตเท่านั้น
3. CodeInterpreter คุณลักษณะนี้ช่วยให้ตัวแทนสามารถประเมินรหัส Python ที่ผลิตโดย LLMS ใน Safe Sandbox ที่ช่วยลดข้อผิดพลาดรันไทม์และช่องโหว่ด้านความปลอดภัยที่อาจเกิดขึ้นทำให้เหมาะสำหรับการปรับใช้ในสภาพแวดล้อมการผลิต

รายละเอียดการใช้งานฟังก์ชั่น

Flappy แนะนำกลไกการใช้งานที่ไม่ซ้ำกันเพื่อปรับปรุงฟังก์ชั่นเหล่านี้:

• การรวม Schema JSON ที่ไม่ซ้ำกัน : ผู้ใช้สามารถกำหนดคลาสนามธรรมในภาษาการเขียนโปรแกรมที่ต้องการซึ่งจะถูกเปลี่ยนเป็น JSON Schema Schema โดย Flappy คุณลักษณะนี้ช่วยเพิ่มความสามารถในการอ่านเครื่องและการทำงานร่วมกันและจัดการอินพุตและเอาต์พุตของ LLMS ให้ข้อมูลที่ควบคุมได้สอดคล้องและสามารถอ่านได้
• การแยกวิเคราะห์ AST : FLAPPY ดำเนินการวิเคราะห์แผนผังนามสกุลนามธรรม (AST) ในการแยกออกจากเอาต์พุต LLM เพื่อให้แน่ใจว่าข้อมูล JSON ที่สร้างขึ้นนั้นเป็นไปตามสคีมา JSON ที่กำหนดไว้อย่างเคร่งครัด

LLM Abstraction Layer

เพื่อเพิ่มความยืดหยุ่นของการพัฒนาแอปพลิเคชัน Flappy ให้เลเยอร์ที่เป็นนามธรรมสำหรับ LLM ที่แตกต่างกัน คุณลักษณะนี้ช่วยให้ผู้ใช้สามารถสลับระหว่าง LLM ที่แตกต่างกันได้อย่างง่ายดายและกำหนด LLM หลังกลับเพื่อให้มั่นใจว่าแอปพลิเคชันเสถียรภาพ

Flappy ช่วยให้นักพัฒนาซอฟต์แวร์สร้างแอปพลิเคชันที่ใช้ LLM ด้วยวิธีการทางภาษา เริ่มต้นการเดินทางของคุณด้วย Flappy วันนี้และควบคุมศักยภาพอันยิ่งใหญ่ของ AI ในภาษาการเขียนโปรแกรมที่คุณต้องการ

เริ่มต้น

ในการเริ่มต้นด้วย flappy ให้เลือกการใช้ภาษาที่คุณต้องการจากรายการด้านล่าง:

• node.js
• Kotlin & Java
• ทับทิม (เร็ว ๆ นี้)
• PHP (เร็ว ๆ นี้)
• C#
• ไป (เร็ว ๆ นี้)
• Python (เร็ว ๆ นี้)

การบริจาค

เราตื่นเต้นที่ได้รับการสนับสนุนจากชุมชน! สำหรับรายละเอียดเพิ่มเติมโปรดดูแนวทางการสนับสนุนของเรา

ใบอนุญาต

โครงการนี้ครอบคลุมภายใต้ใบอนุญาต Apache 2.0 ลิขสิทธิ์ (c) 2023 Pleisto Inc.