AdalFlow
1.0.0
⚡库构建和自动化LLM应用程序的库⚡
所有文档|模型|猎犬|代理商| LLM评估|培训师和优化器
对于想要学习AI方式的AI研究人员，产品团队和软件工程师。
使用PIP安装Adalflow：
pip install adalflow请参阅《完整安装指南》以获取更多详细信息。
Model-agnostic构建块来构建LLM任务管道，从抹布，代理到经典的NLP任务，例如文本分类和命名实体识别。仅使用手动提示才能获得高性能。Text-Grad和DsPy 。通过我们的研究，在上下文学习中， Text-Grad 2.0和Learn-to-Reason Few-shot In Context Learning ，Adalflow Trainer精度最高，同时达到了最令牌的效率最高。这是文本分类任务的优化演示：
在所有库中，Adalflow通过手动提示（起点为82％）和优化后的精度最高。
进一步阅读：优化分类
LLM就像水；从聊天机器人，翻译，摘要，代码生成，抹布和自主代理等Genai应用程序到经典的NLP任务（如文本分类和命名实体识别），Adalflow可帮助您快速将它们塑造成任何应用程序。
Adalflow具有两个基本但功能强大的基础类：用于与LLM的数据交互的管道和DataClass Component 。结果是一个具有最小抽象的库，为开发人员提供了最大的可定制性。
您可以完全控制提示模板，使用的模型以及任务管道的输出解析。
许多提供商和模型可通过相同的接口访问：
所有可用的模型提供商
进一步阅读：我们如何开始，设计理念和阶级等级制度。
Adalflow在统一框架内提供了令牌高效且高性能的提示优化。要优化管道，只需定义一个Parameter并将其传递给Adalflow的Generator 。无论您是需要优化任务说明还是进行一些演示，Adalflow的统一框架都提供了一种简便的方法来诊断，可视化，调试和训练管道。
这个动态计算图说明了我们的自动分化和动态计算图的工作方式。
无需手动定义的节点和边缘，Adalflow将自动为您跟踪计算图。
只需将其定义为Parameter ，然后将其传递到Adalflow的Generator 。
AdalComponent是任务管道和培训师之间的“解释器”，定义培训和验证步骤，优化者，评估人员，损失功能，用于文本梯度的后向引擎或跟踪演示的教师生成者。
adalflow完整文档可在adalflow.sylph.ai上找到：
Adalflow以纪念Ada Lovelace的名字命名，Ada Lovelace是一位开创性的女数学家，她首先认识到机器可以超越仅仅计算。作为由女性创始人领导的团队，我们旨在激发更多的女性从事人工智能的职业。
Adalflow是一个以社区为导向的项目，我们欢迎大家加入我们建立LLM应用程序的未来。
加入我们的Discord社区，提出问题，分享您的项目并获取有关Adalflow的最新信息。
为了做出贡献，请阅读我们的贡献指南。
许多现有作品极大地启发了Adalflow库！这是一个非竭尽全力的列表：
Component Parameter Sequential 。Textual Gradient Descent文本优化器的文本级。DataClass中的__{input/output}__fields ，而Bootstrap几乎没有发射优化器。AdalComponent和Trainer Pytorch Lightning。 @software { Yin2024AdalFlow ,
author = { Li Yin } ,
title = { {AdalFlow: The Library for Large Language Model (LLM) Applications} } ,
month = { 7 } ,
year = { 2024 } ,
doi = { 10.5281/zenodo.12639531 } ,
url = { https://github.com/SylphAI-Inc/AdalFlow }
}
