phenomenal ai

- ปรากฏการณ์ AI

ปรากฎการณ์ AI เป็นแพ็คเกจ typenscript สำหรับการสร้างเครื่องกำเนิดพรอมต์การสนทนาแบบเทิร์นสำหรับแบบจำลองภาษาขนาดใหญ่ แพ็คเกจนี้ให้หน่วยการสร้างสำหรับการจำลองปฏิสัมพันธ์ระหว่างการสนทนาระหว่างหลายหน่วยงานเรียกว่านักแสดง นักแสดงสามารถแบ่งปันข้อมูลมีส่วนร่วมในการสนทนาและปรับหลักสูตรการสนทนาตามกฎที่กำหนดไว้ล่วงหน้า

- คุณสมบัติ

• สิ่งที่เป็นนามธรรมระดับสูง : ปรากฏการณ์ AI ให้ระดับที่เป็นนามธรรมในระดับสูงสำหรับโมเดลการสนทนาที่ใช้ AI สิ่งนี้ช่วยให้คุณสามารถมุ่งเน้นไปที่ตรรกะการสนทนาไม่ใช่โมเดลพื้นฐาน
• - นักแสดงหลายคน : แพ็คเกจนี้รองรับการมีปฏิสัมพันธ์ระหว่างนักแสดงหลายคนเพื่อให้ได้สถานการณ์การสนทนาที่ซับซ้อน นักแสดงแต่ละคนสามารถมีบุคลิกและความชอบของตนเองได้
• ประวัติการสนทนา : การสนทนาทุกครั้งมีประวัติที่ติดตามหลักสูตรการสนทนาเมื่อเวลาผ่านไป ประวัติใช้เพื่อสร้างการตอบสนองต่อบทสนทนาใหม่
• - บริบทที่ใช้ร่วมกัน : นักแสดงในการสนทนาแบ่งปันบริบทที่ช่วยให้พวกเขาสามารถจัดเก็บและดึงข้อมูลที่เกี่ยวข้องกับการสนทนาอย่างต่อเนื่อง บริบทสามารถใช้ในการจัดเก็บข้อมูลเช่นหัวข้อการสนทนาที่ตั้งเวลาของวัน ฯลฯ
• การกำหนดเวลา : แพ็คเกจมีกลไกในการตัดสินใจลำดับการเลี้ยวระหว่างนักแสดงโดยใช้ตัวกำหนดตารางเวลา แพ็คเกจมาพร้อมกับกำหนดการเริ่มต้นที่กำหนดเวลาจะเปิดในรูปแบบกลม
• - การจัดการการสนทนา : ควบคุมการไหลของการสนทนาและให้วิธีการฉีดข้อความใหม่ลงในการสนทนา แพ็คเกจยังมีวิธีการสอบถามการสนทนาด้วยคำถามและรับการตอบกลับ
• การจัดการหน้าต่างบริบท : แพ็คเกจมีกลไกในการจัดการหน้าต่างบริบท หน้าต่างบริบทคือจำนวนโทเค็นที่จะเปิดโปงในประวัติศาสตร์เมื่อสร้างการตอบสนอง สิ่งนี้ช่วยให้คุณสามารถควบคุมขนาดพรอมต์และปริมาณบริบทที่ให้กับโมเดล
• - น้ำหนักเบา : แพ็คเกจมีการพึ่งพาภายนอกเพียงครั้งเดียว ( mustache ) ทำให้มีน้ำหนักเบาและใช้งานง่าย
• - Extensible : แพ็คเกจได้รับการออกแบบให้สามารถขยายได้ คุณสามารถให้ฟังก์ชั่นการสร้างข้อความตัวกำหนดตารางเวลา ฯลฯ

- เริ่มต้น

คุณสามารถติดตั้งแพ็คเกจผ่าน npm :

npm install @wecandobetter/phenomenal-ai

หรือผ่านเส้นด้าย:

yarn add @wecandobetter/phenomenal-ai

ตัวอย่างการใช้งาน

ชั้นเรียน Conversation สรุปนักแสดงและจัดการประวัติศาสตร์บริบทและการกำหนดเวลาของการผลัดกันของนักแสดง คลาส Actor เป็นตัวแทนของนักแสดงในการสนทนา

ตัวอย่างต่อไปนี้แสดงวิธีใช้คลาส Conversation เพื่อจำลองการสนทนาระหว่างนักแสดงสองคน

 import { Actor , Conversation } from "@wecandobetter/phenomenal-ai" ;
import { generateText } from "./text-generation" ; // provide your own text generation function

// Define your actors
const actors = [
  new Actor ( "John" ) ,
  new Actor ( "Emma" ) ,
] ;

// Initialize a conversation
const conversation = new Conversation ( "Morning Talk" , { actors } ) ;

// Add a context entry
conversation . context . set ( "topic" , "Current topic of conversation" , "AI Ethics" ) ;

// Make a query:

const response = await conversation . query ( {
  speaker : actors [ 0 ] , // the speaker, i.e. the actor asking the question
  answerer : actors [ 1 ] , // the answerer, i.e. the actor answering the question
  query : "What is the topic of conversation?" , // the query to be answered
  generateText , // provide your own text generation function
  store : true , // store the response in the history
} ) ;

console . log ( ` ${ response . speaker } : ${ response . text } ` ) ;

// Moderate the conversation by injecting a new message:

conversation . inject ( "Let's get back to the topic of conversation." , {
  speaker : "Moderator" , // the speaker of the message (defaults to `System`)
  ephemeral : true , // this message will not be stored in the history
} ) ;

// Make one turn:

const turn = await conversation . turn ( {
  actor : conversation . scheduler . getNextSpeaker ( ) , // get the next speaker from the scheduler
  generateText , // provide your own text generation function
} ) ;

console . log ( ` ${ turn . speaker } : ${ turn . text } ` ) ;

// or use an async generator:

const ac = new AbortController ( ) ;

const loop = conversation . loop ( {
  signal : ac . signal , // provide an AbortSignal to stop the loop
  generateText , // provide your own text generation function
  scheduler : conversation . scheduler , // provide your own scheduler
} ) ;

for await ( const turn of loop ) {
  console . log ( ` ${ turn . speaker } : ${ turn . text } ` ) ;
} 

การอ้างอิง API

คลาสหลักของแพ็คเกจนี้คือ Conversation ConversationHistory และ Actor

การสนทนา

คลาส Conversation แสดงถึงการสนทนาอย่างต่อเนื่องระหว่างนักแสดงหลายคน

คุณสมบัติ

• id : ตัวระบุที่ไม่ซ้ำกันสำหรับการสนทนา
• name : ชื่อของการสนทนา
• actors : อาเรย์ของ Actor ที่เข้าร่วมในการสนทนา
• history : ประวัติความเป็นมาของการสนทนา
• context : บริบทที่ใช้ร่วมกันระหว่างนักแสดงทุกคนในการสนทนา

วิธีการ

นี่คือวิธีการที่มีอยู่ในคลาส Conversation

new Conversation(name: string, { actors: Actor[], generateText?: GenerateText, scheduler?: Scheduler, messages?: Message[], windowss?: { history?: number } })

เริ่มต้นอินสแตนซ์ใหม่ของคลาส Conversation

 const conversation = new Conversation ( "Morning Talk" , {
  actors : [
    new Actor ( "John" ) ,
    new Actor ( "Emma" ) ,
  ] ,
  generateText : generateText , // provide your own text generation function
  scheduler : RoundRobinScheduler , // provide your own scheduler
  messages : [ ] , // bootstrap the conversation with messages
  windows : { // configure the conversation window
    max : 1024 , // the maximum number of tokens to unmask in the history
  } ,
} ) ; 

conversation.inject(text: string, { speaker = "System" embeddings?: number[][], ephemeral?: true })

ฉีดข้อความใหม่ลงในการสนทนา ส่งคืนข้อความที่ฉีด

 const message = conversation . inject (
  "Let's get back to the topic of conversation." ,
  {
    speaker : "Moderator" ,
    ephemeral : true , // if true, the message will not be stored in the history after the next turn
  } ,
) ; 

conversation.query({ speaker: Actor, answerer: Actor, query: string, generateText?: GenerateText, store = false })

ส่งคืนสัญญาที่แก้ไขเพื่อตอบกลับ

 const response = await conversation . query ( {
  speaker : actors [ 0 ] , // the speaker, i.e. the actor asking the question
  answerer : actors [ 1 ] , // the answerer, i.e. the actor answering the question
  query : "What is the topic of conversation?" , // the query to be answered
  generateText , // provide your own text generation function
  store : true , // store the response in the history
} ) ;

console . log ( ` ${ response . speaker } : ${ response . text } ` ) ; 

conversation.turn({ actor: Actor, generateText?: GenerateText })

ส่งคืนสัญญาที่แก้ไขเพื่อตอบกลับ

 const response = await conversation . turn ( {
  actor : conversation . scheduler . getNextSpeaker ( ) , // get the next speaker from the scheduler
  generateText , // provide your own text generation function
} ) ;

console . log ( ` ${ response . speaker } : ${ response . text } ` ) ; 

conversation.loop({ signal: AbortSignal; generateText?: GenerateText })

เครื่องกำเนิด Async ที่ให้ลำโพงข้อความและตัวเลือกการฝังตัวของแต่ละเทิร์นในการสนทนา

 const ac = new AbortController ( ) ;

// start the loop, which will yield the responses
const loop = conversation . loop ( {
  signal : ac . signal , // provide an AbortSignal to stop the loop
  generateText , // provide your own text generation function
} ) ;

for await ( const response of loop ) {
  console . log ( ` ${ response . speaker } : ${ response . text } ` ) ;
} 

conversation.toJSON()

ส่งคืนตัวแทน JSON ของการสนทนา

 const json = conversation . toJSON ( ) ;

นักสนทนา

คลาส ConversationHistory แสดงถึงประวัติของการสนทนา

คุณสมบัติ

• messages : อาร์เรย์ของข้อความในการสนทนา

วิธีการ

นี่คือวิธีการที่มีอยู่ในชั้นเรียน ConversationHistory

new ConversationHistory(messages?: Message[])

เริ่มต้นอินสแตนซ์ใหม่ของคลาส ConversationHistory

 const history = new ConversationHistory ( [
  { speaker : "John" , text : "Hello, Emma!" } ,
  { speaker : "Emma" , text : "Hi, John!" } ,
] ) ; 

history.push(message: PartialBy<Message, "feedback">)

ผลักข้อความใหม่ไปยังประวัติศาสตร์

 history . push ( { actor : "John" , text : "Hello, Emma!" } ) ; 

history.getMessagesFor(actor: string)

ส่งคืนแผนที่ของดัชนีและข้อความสำหรับนักแสดงที่กำหนด

 const messages = history . getMessagesFor ( "John" ) ; 

history.getStats()

ส่งคืนสถิติเกี่ยวกับประวัติ สถิติจัดกลุ่มโดยนักแสดง

 const stats = history . getStats ( ) ;

console . log ( stats ) ;

// {
//   "Bob": {
//     count: 2, // total number of messages
//     textCount: 22, // total number of characters
//     percentage: 0.5, // percentage of messages in the conversation
//     textPercentage: 0.5, // percentage of characters in the conversation
//   },
// } 

history.cleanEphemeral()

ลบข้อความชั่วคราวจากประวัติศาสตร์

 history . cleanEphemeral ( ) ; 

history.up(message: Message)

เพิ่มข้อเสนอแนะในเชิงบวกให้กับข้อความที่กำหนด

 const message = history . messages [ 0 ] ; // get message from somewhere
history . up ( message ) ; 

history.down(message: Message)

เพิ่มข้อเสนอแนะเชิงลบให้กับข้อความที่กำหนด

 const message = history . messages [ 0 ] ; // get message from somewhere
history . down ( message ) ; 

history.first(): Message

ส่งคืนข้อความแรกในประวัติศาสตร์

history.last(): Message

ส่งคืนข้อความสุดท้ายในประวัติศาสตร์

history.toJSON()

ส่งคืนตัวแทน JSON ของประวัติศาสตร์

history.clear()

ล้างประวัติศาสตร์

นักแสดงชาย

คลาส Actor แสดงถึงนิติบุคคลที่มีส่วนร่วมในการสนทนา

คุณสมบัติ

• id : ตัวระบุที่ไม่ซ้ำกันสำหรับนักแสดง
• name : ชื่อของนักแสดง
• template : เทมเพลตสำหรับพรอมต์ของนักแสดง
• context : บริบทที่ใช้ร่วมกันระหว่างนักแสดงทุกคนในการสนทนา
• persona : บุคคลของนักแสดง
• knowledge : ความรู้เกี่ยวกับนักแสดง
• memory : ความทรงจำของนักแสดง

วิธีการ

นี่คือวิธีการที่มีอยู่ในคลาส Actor

new Actor(name: string, { template?: string, persona?: Persona, knowledge?: Knowledge, memory?: Memory })

เริ่มต้นอินสแตนซ์ใหม่ของคลาส Actor หากไม่มีเทมเพลตจะใช้เทมเพลตเริ่มต้น

 const actor = new Actor ( "John" , {
  template : "Hello, my name is {{name}}." ,
) ; 

actor.render(conversation: Conversation)

แสดงเทมเพลตของนักแสดงเป็นพรอมต์ พรอมต์เป็นข้อความที่สามารถใช้งานโดยรูปแบบภาษาขนาดใหญ่ที่คุณเลือกเพื่อสร้างการตอบกลับ

 const prompt = actor . render ( conversation ) ; 

actor.toJSON()

ส่งคืนตัวแทน JSON ของนักแสดง

❤มีส่วนร่วม

ยินดีต้อนรับคำขอดึง สำหรับการเปลี่ยนแปลงครั้งใหญ่โปรดเปิดปัญหาก่อนเพื่อหารือเกี่ยวกับสิ่งที่คุณต้องการเปลี่ยนแปลง อย่าลังเลที่จะตรวจสอบหน้าปัญหา

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT อย่าลังเลที่จะใช้สำหรับโครงการของคุณเอง

หมายเหตุ

การเข้ารหัสมีความสุข! -

หากคุณพบปัญหาใด ๆ หรือมีข้อเสนอแนะสำหรับการปรับปรุงอย่าลังเลที่จะเปิดปัญหาหรือคำขอดึง

ให้️ถ้าคุณชอบโครงการนี้!

เขียนรหัสด้วย❤โดยเราสามารถทำได้ดีกว่า