fragaria下載 - fragaria源代碼下載

fragaria

其他源碼

1.0.0

下載

fragaria-從草莓中的'r'到解決問題的複雜問題

高級思想鏈（COT）推理API（rl）

Fragaria徽標

Fragaria是一條強大而靈活的思想鏈（COT）推理API，它利用各種語言模型（LLM）提供商，並結合了加固學習（RL）技術來解決複雜的問題並回答複雜的問題。 Fragaria以草莓的植物屬命名，向著名的“有多少種草莓中的R？”致敬。問題，象徵著其以同樣的精確處理來解決簡單和復雜查詢的能力。

特徵

多流行者的支持：在OpenAI，Groq和一起以LLM提供商之間的方式無縫切換。
思想推理鏈：採用複雜的COT技術分解並解決複雜的問題。
強化學習：利用RL算法來不斷改善解決問題的策略並適應新的挑戰。
自適應學習：通過與RL技術集成的基於SQLite的評分系統隨著時間的推移提高性能。
可配置：LLM和RL參數的靈活設置的易於更高的YAML配置文件。
OpenAPI文檔：帶有Swagger UI和REDOC的全面API文檔。
CORS支持：內置的交叉原始資源共享，可輕鬆與Web應用程序集成。

安裝

克隆存儲庫：

 git clone https://github.com/terraprompt/fragaria.git
cd fragaria

創建虛擬環境（可選但建議）：

 python -m venv venv
source venv/bin/activate  # On Windows, use `venvScriptsactivate`

安裝所需的依賴項：
```
 pip install -r requirements.txt
```

配置

將config.yaml.example文件複製到config.yaml ：
```
 cp config.yaml.example config.yaml
```
打開config.yaml並更新以下設置：
- 設置您喜歡的llm_provider （OpenAI，Groq或一起）
- 為各個提供商添加您的API鍵
- 如有必要，調整型號
- 如果需要，修改數據庫路徑和服務器設置

用法

啟動Fragaria API服務器：
```
 python main.py
```
API將在http://localhost:8000 （或您的配置中指定的主機/端口）提供。
現在，您可以將發布請求發送到http://localhost:8000/v1/chat/completions ，以使用思想推理能力鏈。

API文檔

Fragaria提供了全面的API文檔：

Swagger UI： http://localhost:8000/docs
重做： http://localhost:8000/redoc
OpenAPI JSON模式： http://localhost:8000/openapi.json

例子

這是您可以使用Fragaria解決的一些示例問題：

經典的草莓問題：

{
  "model" : " faragia-dev " ,
  "messages" : [
    { "role" : " user " , "content" : " How many 'r's in strawberry? " }
  ]
}

一個更複雜的與年齡相關的難題：

{
  "model" : " faragia-dev " ,
  "messages" : [
    { "role" : " user " , "content" : " A princess is as old as the prince will be when the princess is twice as old as the prince was when the princess's age was half the sum of their present age. What is the age of prince and princess? Provide all solutions to that question. " }
  ]
}

要解決這些問題，請以上述JSON有效載荷將郵政請求發送到/v1/chat/completions 。

它如何工作

Fragaria採用了通過增強學習增強的精緻思想鏈（COT）推理過程：

問題分類：將輸入問題分類為已知或新問題類型。
COT PATH生成：為問題類型創建多種推理方法，受過去的表現影響。
並行執行：將每個COT路徑應用於問題。
結果組合：合成不同路徑的結果。
評估：分數每種方法的有效性。
強化學習更新：使用評估得分作為獎勵來更新RL策略，從而影響未來的路徑選擇和一代。
自適應學習：更新評分數據庫和RL模型以提高未來的性能。

這種RL增強過程使Fragaria不僅可以解決廣泛的問題，而且可以隨著時間的流逝而學習和適應其策略，從而越來越有效地解決熟悉和新穎的問題類型。

貢獻

我們歡迎對Fragaria的貢獻！請按照以下步驟進行貢獻：

分叉存儲庫。
為您的功能或錯誤修復創建一個新的分支。
進行更改，並通過清晰的描述性消息提交它們。
將更改推向叉子。
向主要的Fragaria存儲庫提交拉動請求。

請確保您的代碼遵守項目的編碼標準，並包括針對新功能的測試。

執照

Fragaria根據MIT許可發布。有關詳細信息，請參見許可證文件。

引用

如果您在研究中使用Fragaria或希望在出版物中引用它，請使用以下Bibtex條目：

 @software { fragaria2024 ,
  author       = { {Dipankar Sarkar} } ,
  title        = { Fragaria: Advanced Chain of Thought Reasoning API with Reinforcement Learning } ,
  year         = 2024 ,
  publisher    = { GitHub } ,
  journal      = { GitHub repository } ,
  howpublished = { url{https://github.com/terraprompt/fragaria} } ,
}