GPTSwarm
1.0.0
？ GPTSWARM是一個基於圖形的基於圖形的框架，可提供兩個高級功能：
在顆粒狀層面上，gptswarm是一個包含以下組件的庫：
| 模塊 | 描述 |
|---|---|
| 群。環境 | 特定領域的操作，代理，工具和任務 |
| swarm.graph | 與圖形相關的功能，用於創建和執行代理圖和群複合圖 |
| swarm.llm | 選擇LLM後端併計算其運營成本的接口 |
| 群 | 基於索引的內存 |
| 群 | 優化算法旨在提高代理性能和整體群效率 |
？ [10/12]尊重？ Openai的蜂群，但是？如果考慮考慮，GPTSWARM是更好的選擇？群智力？
[08/07] Mingchen參加了上海AI實驗室的邀請研討會。
[07/25] Louis和Francesco在ICML 2024中進行了口頭介紹。
[07/17] Mingchen將GPTSWARM引入了Meta。
[07/05] Mingchen與Waic進行了邀請的演講。
[06/21] Mingchen與IA-CAS進行了邀請的演講。
[06/20] Dmitrii與Sberbank進行了邀請的演講。
[06/03] SDAIA邀請了Gptswarm團隊（Wenyi，Francesco，Dmitrii）參加了5小時的研討會。
[06/02] ICML2024選擇了GPTSWARM作為口頭介紹（9,473中的144個）！恭喜！
[05/01] GPTSWARM已被ICML2024接受。
[04/18] Mingchen向Byedance進行了邀請的談話。
[03/20] Mingchen與華為進行了邀請的演講。
[03/13] Mittr中國對Mingchen的獨家訪談。
[03/01] GPTSWARM可以通過PIP立即安裝： pip install gptswarm
[02/27]我們的學術論文：作為優化圖的語言代理已發布。
這是邊緣優化過程，它更新邊緣概率以改善基準分數。請注意，在代理中，邊緣是固定的，而代理之間的連接則針對邊緣修剪（值0，藍色）或創建（值1，紅色）進行了優化。
克隆倉庫
git clone https://github.com/metauto-ai/GPTSwarm.git
cd GPTSwarm/安裝軟件包
conda create -n swarm python=3.10
conda activate swarm
pip install poetry
poetry install
您應該在.env.template中添加API鍵，然後將其名稱更改為.env
OPENAI_API_KEY = "" # for OpenAI LLM backend
SEARCHAPI_API_KEY = "" # for Web Search開始GPTSWARM很容易。迅速運行預定義的群
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，例如文件分析儀
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 )在此處查看COLAB中的最小群示例：。
查看如何創建自定義代理並在此處使用群體運行：。
這是一個YouTube視頻，介紹瞭如何運行演示筆記本：
有關我們的框架的更高級使用，請參閱我們的實驗。
我們通過LM Studio支持本地LM推論。下載其用於Mac或Windows的桌面應用程序，從HuggingFace存儲庫中選擇一個模型，然後啟動服務器。使用gptswarm代碼中的model_name='lmstudio'與本地LLM一起運行。
如果您有興趣貢獻，請閱讀我們的開發人員文檔。
如果您覺得圖書館有用或有趣，請引用我們的論文。
@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}
}
