DemoGPT下載 - DemoGPT源代碼下載

DemoGPT

其他源碼

v1.2.6

下載

？從演示到產品：多合一代理庫

Demogpt徽標：生成自動Langchain管道

⚡創建LLM代理所需的一切都在這裡。訪問LLM模型的全面工具，提示，框架和知識中心的全面套件，這些都可以簡化您的代理開發。

星曆史

如果您正在使用Demogpt，請考慮主演我們，以便更多的人聽到有關我們的消息！

演示

要快速演示，您可以訪問我們的網站

推文生成器

文件

請參閱此處的文檔網站以獲取完整的方法文檔和準則

⚡使用Demogpt v1.3，在2週內大猩猩的力量將有可能使用API。發布後，您將可以自主使用外部API。 ⚡

？使用Demogpt軟件包

現在可以使用Demogpt軟件包，可以使用PIP安裝。運行以下命令安裝軟件包：

pip install demogpt

要使用Demogpt應用程序，只需將“ Demogpt”鍵入您的終端：

demogpt

？目錄

介紹
建築學
安裝
用法
待辦事項
貢獻
引用
執照

？介紹

歡迎來到Demogpt，這是一項革命性的開源計劃，正在重塑基於大語言模型（LLM）應用程序開發的景觀。

在Demogpt的核心，GPT-3.5-Turbo的能力栩栩如生，推動了自動生成Langchain代碼。此過程充滿了複雜的體系結構，該體系結構將用戶說明轉化為交互式簡化應用程序。

demogpt的運作方式

計劃： Demogpt首先從用戶的指令中生成計劃。
任務創建：然後從計劃和指令中創建特定的任務。
代碼片段生成：這些任務被轉移到代碼片段中。
最終代碼組件：將代碼片段合併為最終代碼，從而產生了交互式簡化應用程序。

一旦生成的Langchain代碼不是終點，而是一個變革階段。它演變成一個用戶友好的簡化應用程序，為製作的邏輯增添了交互式維度。這種變形體現了Demogpt對用戶參與和經驗的承諾。

未來的增強

我們計劃添加一個公開可用的數據庫，該數據庫將通過在精煉過程中檢索類似示例來加速發電過程。這項創新將進一步簡化開發工作流程，使其更有效和響應速度。

模型靈活性

Demogpt旨在適應能力，能夠使用符合代碼生成的特定性能標準的任何LLM模型。這種靈活性確保了將策略保持在技術的最前沿，並在LLM中採取了新的進步。

Demogpt的迭代發展過程仍然是其創新的基石。每個代碼段都經過單個測試，並且自我修復策略確保了有效且錯誤的最定工作流程。細緻的測試和改進的融合證明了Demogpt追求卓越的追求。

通過超越傳統的編碼範例，Demogpt正在開創基於LLM的應用程序的新時代。這不只是代碼生成；這是關於製定智能，互動和包容性的解決方案。

總而言之，Demogpt不僅僅是一個項目。這是一種有遠見的方法，突破了基於LLM的應用程序開發中可能的界限。

在下一個版本中，我們將集成大猩猩，以使Demogpt能夠自動使用外部API。未來是光明的，旅程才剛剛開始。加入我們參加這一激動人心的冒險！

建築學

Demogpt架構

DemoGPT Architecture

？安裝

對於包裝版本

您可以通過運行以下命令來安裝Demogpt軟件包：

pip install demogpt

源代碼版本

克隆存儲庫：

git clone https://github.com/melih-unsal/DemoGPT.git

導航到項目目錄：
```
 cd DemoGPT
```
安裝Demogpt：
```
pip install . 
```

？用法

？對於包裝版本

安裝了Demogpt軟件包後，您可以通過在終端中運行以下命令來使用它：

demogpt

？對於Python界面

您現在可以將Demogpt用作Python應用程序中的庫：

 from demogpt import DemoGPT
agent = DemoGPT ( model_name = "gpt-3.5-turbo" ) # if OPENAI_API_KEY is not set in env variables, put it with openai_api_key argument
instruction = "Your instruction here"
title = "Your title here"
code = ""
for phase in agent ( instruction = instruction , title = title ):
    print ( phase ) # this will display the resulting json for each generation stage
    if phase [ "done" ]:
        code = phase [ "code" ] # final code
print ( code )

示例輸出（截斷）：

 # phases
{ ' stage ' : ' draft ' , ' completed ' : False, ' percentage ' : 60, ...}
{ ' stage ' : ' draft ' , ' completed ' : False, ' percentage ' : 64, ' code ' : ' #Get the source language ... ' }
...
{ ' stage ' : ' final ' , ' completed ' : True, ' percentage ' : 100, ... , ' code ' : ' import streamlit as stn... ' }

 # Code
import streamlit as st
from langchain . chains import LLMChain
from langchain_community . chat_models import ChatOpenAI
from langchain . prompts . chat import ( ChatPromptTemplate ,
                                    HumanMessagePromptTemplate ,
                                    SystemMessagePromptTemplate )
...

源代碼版本

如果您已將存儲庫克隆並希望運行源代碼版本，則可以通過運行以下命令來使用Demogpt：

streamlit run demogpt/app.py

待辦事項

？貢獻

歡迎對Demogpt項目的貢獻！無論您是修復錯誤，改進文檔還是提出新功能，都非常感謝您的努力。在開始任何工作之前，請檢查開放問題。

請閱讀有關我們的CODE OF CONDUCT CONTRIBUTING信息以及向我們提交拉的請求的過程的詳細信息。

？引用

Demogpt在各種研究論文中已被引用，以使用自主AI代理來創建應用程序創建的創新方法。以下是引用Demogpt的論文列表：

Lei Wang，Chen MA，Xueyang Feng，Zeyu Zhang，Hao Yang，Jingsen Zhang，Zhiyuan Chen，Zhiyuan Chen，Jiakai Tang，Xu Chen，Yankai Lin，Wayne lin，Wayne Xin，Zhao，Zhewei，Zhewei Wei，Ji-Rong Wen，Ji-Rong Wen，一項針對大型語言模型模型的調查，”
Yuan Li，Yixuan Zhang，Lichao Sun，“ Metaagents：通過協作生成代理模擬人類行為的相互作用，以基於LLM的任務為導向的協調，雜誌/會議”，2023年。鏈接到紙張。
Yuheng Cheng，Ceyao Zhang，Zhengwen Zhang，Xiangrui Meng，Sirui Hong，Wenhao Li，Zihao Wang，Zekai Wang，Zekai Wang，Feng Yin，Junhua Zhao，Junhua Zhao，xiuqiang He，探索基於大型語言模型的智能Agents：
Mikhail，Poludin。 Optimalizace llm代理ůproantalýzutabulkovýchdat：Integrace lora prozvýšeníKvality。論文女士。 ČeskéVysokéUčeníTechnické訴Praze。 VypočetníaInformačníCentrum。，2024年。鏈接到紙張

學術界的這種認可強調了Demogpt在促進AI驅動開發工具領域的潛力和實用性。