Promptmeteo เป็นห้องสมุด Python สำหรับวิศวกรรมที่รวดเร็วที่สร้างขึ้นเหนือ Langchain มันทำให้การใช้ประโยชน์ของแบบจำลองภาษาขนาดใหญ่ (LLMs) ง่ายขึ้นสำหรับงานต่าง ๆ ผ่านอินเตอร์เฟสรหัสต่ำ เพื่อให้บรรลุเป้าหมายนี้ ProttMeteo สามารถใช้โมเดล LLM ที่แตกต่างกันและสร้างพรอมต์แบบไดนามิกสำหรับงานเฉพาะตามพารามิเตอร์การกำหนดค่าเพียงไม่กี่ตัว
TL; DR: โครงการอุตสาหกรรมที่ขับเคลื่อนโดย LLMS ได้อย่างง่ายดาย
LLMS มีความสามารถในการจัดการงานต่าง ๆ เมื่อให้คำแนะนำเฉพาะในรูปแบบของการแจ้งเตือนอินพุต พวกเขาสามารถทำหน้าที่เป็น "เอ็นจิ้นการใช้เหตุผล" สำหรับการสร้างแอปพลิเคชัน อย่างไรก็ตามการปรับใช้และการทำให้เป็นอุตสาหกรรมแอปพลิเคชันเหล่านี้มีความท้าทายที่สำคัญด้วยเหตุผลหลักสองประการ
ประการแรกโดยทั่วไปจะมีการจัดตรรกะของแอปพลิเคชันในคำจำกัดความของพวกเขา ซึ่งหมายความว่าอินพุตพรอมต์ที่มีสูตรไม่ดีมีศักยภาพที่จะขัดขวางแอปพลิเคชัน
ประการที่สองการประดิษฐ์คอนกรีตที่ได้รับแจ้งสำหรับแต่ละงานไม่เพียง แต่เป็นงานที่ลำบาก แต่ยังเป็นงานที่ซับซ้อน การเปลี่ยนแปลงเล็กน้อยในพรอมต์อินพุตอาจส่งผลให้เกิดผลลัพธ์ที่แตกต่างกันทำให้เกิดข้อผิดพลาดได้ง่าย นอกจากนี้เมื่อเขียนพรอมต์การพิจารณาจะขยายออกไปเกินกว่างานที่จะรวมปัจจัยต่าง ๆ เช่น LLM เฉพาะที่ใช้ความสามารถของโมเดลและแง่มุมอื่น ๆ ที่เกี่ยวข้อง
ค้นหาบทเรียนทั้งหมดการเริ่มต้นอย่างรวดเร็วและข้อมูลเพิ่มเติมในเอกสารอย่างเป็นทางการของเรา
เราขอแนะนำให้คุณ:
การโต้ตอบใด ๆ จะต้องอยู่ภายใต้คำสั่งของจรรยาบรรณ แต่ TL; DR: มี ความเคารพและใจดีและจำไว้ว่าใครก็ตามที่ทำผิดพลาด
โคลนที่เก็บและสร้างสาขาใหม่ตามข้อความความหมาย ( feat/feature , ฯลฯ , ฯลฯ ):
git clone [email protected]:paradigmadigital/Promptmeteo.git
cd promptmeteo
git checkout -b branchติดตั้งการพัฒนาการพัฒนา:
make devตะขอล่วงหน้าจะถูกติดตั้งหลังจากตั้งค่าโครงการที่รูปแบบผ้าสำลีและการทดสอบจะถูกส่งผ่านโครงการ การผ่านตะขอทั้งหมดเป็นข้อกำหนดขั้นต่ำที่จะผลักดันไปยังโครงการ
ในการติดตั้งเอกสารประกอบและสร้างเอกสารดาวน์โหลดที่เก็บและ::
make docsetup
make htmlไฟล์ใหม่จำนวนมากจะถูกสร้างขึ้นโดยอัตโนมัติ ระวังที่จะเพิ่มเฉพาะที่จำเป็นอย่างเคร่งครัดเท่านั้น