GPTSwarm
1.0.0
？ GPTSWARM是一个基于图形的基于图形的框架，可提供两个高级功能：
在颗粒状层面上，gptswarm是一个包含以下组件的库：
| 模块 | 描述 |
|---|---|
| 群。环境 | 特定领域的操作，代理，工具和任务 |
| swarm.graph | 与图形相关的功能，用于创建和执行代理图和群复合图 |
| swarm.llm | 选择LLM后端并计算其运营成本的接口 |
| 群 | 基于索引的内存 |
| 群 | 优化算法旨在提高代理性能和整体群效率 |
？ [10/12]尊重？ Openai的蜂群，但是？如果考虑考虑，GPTSWARM是更好的选择？群智力？
[08/07] Mingchen参加了上海AI实验室的邀请研讨会。
[07/25] Louis和Francesco在ICML 2024中进行了口头介绍。
[07/17] Mingchen将GPTSWARM引入了Meta。
[07/05] Mingchen与Waic进行了邀请的演讲。
[06/21] Mingchen与IA-CAS进行了邀请的演讲。
[06/20] Dmitrii与Sberbank进行了邀请的演讲。
[06/03] SDAIA邀请了Gptswarm团队（Wenyi，Francesco，Dmitrii）参加了5小时的研讨会。
[06/02] ICML2024选择了GPTSWARM作为口头介绍（9,473中的144个）！恭喜！
[05/01] GPTSWARM已被ICML2024接受。
[04/18] Mingchen向Byedance进行了邀请的谈话。
[03/20] Mingchen与华为进行了邀请的演讲。
[03/13] Mittr中国对Mingchen的独家访谈。
[03/01] GPTSWARM可以通过PIP立即安装： pip install gptswarm
[02/27]我们的学术论文：作为优化图的语言代理已发布。
这是边缘优化过程，它更新边缘概率以改善基准分数。请注意，在代理中，边缘是固定的，而代理之间的连接则针对边缘修剪（值0，蓝色）或创建（值1，红色）进行了优化。
克隆仓库
git clone https://github.com/metauto-ai/GPTSwarm.git
cd GPTSwarm/安装软件包
conda create -n swarm python=3.10
conda activate swarm
pip install poetry
poetry install
您应该在.env.template中添加API键，然后将其名称更改为.env
OPENAI_API_KEY = "" # for OpenAI LLM backend
SEARCHAPI_API_KEY = "" # for Web Search开始GPTSWARM很容易。迅速运行预定义的群
from swarm . graph . swarm import Swarm
swarm = Swarm ([ "IO" , "IO" , "IO" ], "gaia" )
task = "What is the capital of Jordan?"
inputs = { "task" : task }
answer = await swarm . arun ( inputs )或使用工具，例如文件分析仪
from swarm . graph . swarm import Swarm
swarm = Swarm ([ "IO" , "TOT" ], "gaia" )
task = "Tell me more about this image and summarize it in 3 sentences."
files = [ "./datasets/demos/js.png" ]
inputs = { "task" : task , "files" : files }
danswer = swarm . run ( inputs )在此处查看COLAB中的最小群示例：。
查看如何创建自定义代理并在此处使用群体运行：。
这是一个YouTube视频，介绍了如何运行演示笔记本：
有关我们的框架的更高级使用，请参阅我们的实验。
我们通过LM Studio支持本地LM推论。下载其用于Mac或Windows的桌面应用程序，从HuggingFace存储库中选择一个模型，然后启动服务器。使用gptswarm代码中的model_name='lmstudio'与本地LLM一起运行。
如果您有兴趣贡献，请阅读我们的开发人员文档。
如果您觉得图书馆有用或有趣，请引用我们的论文。
@inproceedings{zhugegptswarm,
title={GPTSwarm: Language Agents as Optimizable Graphs},
author={Zhuge, Mingchen and Wang, Wenyi and Kirsch, Louis and Faccio, Francesco and Khizbullin, Dmitrii and Schmidhuber, J{"u}rgen},
booktitle={Forty-first International Conference on Machine Learning}
}
