AIPE
1.0.0
AIPE（AI管道引擎）是一种灵活而强大的工具，用于创建和执行复杂的AI工作流程。它允许您将各种AI任务链接在一起，例如Web搜索，文本生成，语音处理和图像生成，以通过简单的YAML文件进行配置。
AIPE（AI管道引擎）是一种多功能工具，可以应用于各种域和任务。以下是一些潜在用例：
自动化研究助理：创建一条管道，将网络搜索特定主题，总结发现，并用引用生成全面的报告。
内容创建工作流程：设计一条生成文章想法，写草案内容，创建图像的管道，并准备社交媒体帖子进行促进。
情感分析和品牌监控：建立一条管道，该管道将社交媒体和新闻网站刮下来，以提及品牌，执行情感分析，并通过见解生成日常报告。
自动化客户支持：开发一条管道，以处理客户查询，搜索知识库以获取相关信息，并产生个性化的响应。
数据分析和可视化：创建一个管道，该管道从各种来源收集数据，执行统计分析，生成洞察力并创建数据可视化。
语言翻译服务：构建一个用一种语言的文本，将其翻译成多种目标语言，并为每种翻译生成音频发音。
自动代码审查：设计一个分析代码存储库，确定潜在问题或改进并生成详细的代码审查报告的管道。
市场趋势分析：建立一条管道，以监视财务新闻，分析市场数据并就潜在市场趋势产生预测报告。
教育内容的生成：创建一条管道，该管道采用主题领域，为在线课程生成教育内容，测验和补充材料。
个性化新闻聚合器：开发一条管道，该管道根据用户偏好从各种来源收集新闻，总结文章并生成个性化的日常新闻简报。
这些用例证明了AIPE在自动化不同行业和应用程序的复杂工作流程中的灵活性和力量。管道的模块化性质允许轻松自定义和扩展以适应特定需求。
AI代理管道引擎支持以下步骤：
WebSearch ：使用DuckDuckgo或Serper API搜索网络WebScrape ：从指定的URL中刮擦内容RunInference ：使用LLM型号（Ollama，OpenAI）生成文本TextToSpeech ：将文本转换为语音SpeechToText ：抄录到文本LoadImageModel ：加载文本对图像模型GenerateImage ：从文本提示中生成图像CallWebhook ：进行外部API调用克隆存储库：
git clone https://github.com/yourusername/AIPE.git
cd AIPE
安装所需的依赖项：
pip install -r app/requirements.txt
为API密钥设置环境变量（如果需要）：
export OPENAI_API_KEY=your_openai_api_key
export SERPER_API_KEY=your_serper_api_key
为您的管道创建YAML配置文件。例子：
pipeline :
context :
topic : " artificial intelligence with crypto "
num_results : 5
model_name : " llama2 "
steps :
- name : " web_search "
type : " WebSearch "
query : " latest developments in {context.topic} "
search_type : " serper "
num_results : " {context.num_results} "
- name : " summarize_findings "
type : " RunInference "
source : " ollama "
model_name : " llama2 "
prompt : " Summarize the latest developments in {context.topic} based on the following information: {steps.web_search} "
- name : " text_to_speech "
type : " TextToSpeech "
text : " {steps.summarize_findings} "
result_path : " /app/output/summary_audio.wav "
- name : " generate_image "
type : " GenerateImage "
prompt : " A futuristic representation of {context.topic} "
result_path : " /app/output/ai_developments.png "
image_params :
num_inference_steps : 50
guidance_scale : 7.5
- name : " final_report "
type : " RunInference "
source : " ollama "
model_name : " llama2 "
prompt : " Create a final report on {context.topic} incorporating the following elements: n 1. Web search results: {steps.web_search} n 2. Summarized findings: {steps.summarize_findings} n 4. Generated image description: A futuristic representation of {context.topic} n 5. Transcription accuracy check: Compare the original summary with the transcribed text and comment on any discrepancies. "
result_path : " /app/output/final_report.txt "运行管道：
python app/main.py config/config.yaml
检查输出：管道将将其输出保存在output文件夹中。这包括生成的文件，例如您配置中指定的音频，图像和文本报告。
该项目包括用于容易容器化的Dockerfile。使用Docker构建和运行：
docker build -t AIPE .
docker run -it --gpus all --env-file .env AIPE
管道将将其输出保存在Docker容器内的output文件夹中。这包括生成的文件，例如您配置中指定的音频，图像和文本报告。
在Spheron上部署您的AIPE项目：
在您的项目root中更新spheron.yaml ，其中包含您的图像详细信息。
安装spheronctl CLI：安装指南
创建部署：
sphnctl deployment create spheron.yaml检查部署状态（用您的部署ID替换<LID> ）：
sphnctl deployment get --lid < LID >查看部署日志：
sphnctl deployment logs --lid < LID >访问部署外壳：
sphnctl deployment shell aipet /bin/sh --lid < LID > --stdin --tty有关更多详细信息，请参见Spheron文档。
欢迎捐款！请随时提交拉动请求。
该项目是根据MIT许可证获得许可的 - 有关详细信息，请参见许可证文件。
如果您有任何疑问，请随时与Mitra接触。
