AIPE
1.0.0
AIPE（AI管道引擎）是一種靈活而強大的工具，用於創建和執行複雜的AI工作流程。它允許您將各種AI任務鏈接在一起，例如Web搜索，文本生成，語音處理和圖像生成，以通過簡單的YAML文件進行配置。
AIPE（AI管道引擎）是一種多功能工具，可以應用於各種域和任務。以下是一些潛在用例：
自動化研究助理：創建一條管道，將網絡搜索特定主題，總結髮現，並用引用生成全面的報告。
內容創建工作流程：設計一條生成文章想法，寫草案內容，創建圖像的管道，並準備社交媒體帖子進行促進。
情感分析和品牌監控：建立一條管道，該管道將社交媒體和新聞網站刮下來，以提及品牌，執行情感分析，並通過見解生成日常報告。
自動化客戶支持：開發一條管道，以處理客戶查詢，搜索知識庫以獲取相關信息，並產生個性化的響應。
數據分析和可視化：創建一個管道，該管道從各種來源收集數據，執行統計分析，生成洞察力並創建數據可視化。
語言翻譯服務：構建一個用一種語言的文本，將其翻譯成多種目標語言，並為每種翻譯生成音頻發音。
自動代碼審查：設計一個分析代碼存儲庫，確定潛在問題或改進並生成詳細的代碼審查報告的管道。
市場趨勢分析：建立一條管道，以監視財務新聞，分析市場數據並就潛在市場趨勢產生預測報告。
教育內容的生成：創建一條管道，該管道採用主題領域，為在線課程生成教育內容，測驗和補充材料。
個性化新聞聚合器：開發一條管道，該管道根據用戶偏好從各種來源收集新聞，總結文章並生成個性化的日常新聞簡報。
這些用例證明了AIPE在自動化不同行業和應用程序的複雜工作流程中的靈活性和力量。管道的模塊化性質允許輕鬆自定義和擴展以適應特定需求。
AI代理管道引擎支持以下步驟：
WebSearch ：使用DuckDuckgo或Serper API搜索網絡WebScrape ：從指定的URL中刮擦內容RunInference ：使用LLM型號（Ollama，OpenAI）生成文本TextToSpeech ：將文本轉換為語音SpeechToText ：抄錄到文本LoadImageModel ：加載文本對圖像模型GenerateImage ：從文本提示中生成圖像CallWebhook ：進行外部API調用克隆存儲庫：
git clone https://github.com/yourusername/AIPE.git
cd AIPE
安裝所需的依賴項：
pip install -r app/requirements.txt
為API密鑰設置環境變量（如果需要）：
export OPENAI_API_KEY=your_openai_api_key
export SERPER_API_KEY=your_serper_api_key
為您的管道創建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 "運行管道：
python app/main.py config/config.yaml
檢查輸出：管道將將其輸出保存在output文件夾中。這包括生成的文件，例如您配置中指定的音頻，圖像和文本報告。
該項目包括用於容易容器化的Dockerfile。使用Docker構建和運行：
docker build -t AIPE .
docker run -it --gpus all --env-file .env AIPE
管道將將其輸出保存在Docker容器內的output文件夾中。這包括生成的文件，例如您配置中指定的音頻，圖像和文本報告。
在Spheron上部署您的AIPE項目：
在您的項目root中更新spheron.yaml ，其中包含您的圖像詳細信息。
安裝spheronctl CLI：安裝指南
創建部署：
sphnctl deployment create spheron.yaml檢查部署狀態（用您的部署ID替換<LID> ）：
sphnctl deployment get --lid < LID >查看部署日誌：
sphnctl deployment logs --lid < LID >訪問部署外殼：
sphnctl deployment shell aipet /bin/sh --lid < LID > --stdin --tty有關更多詳細信息，請參見Spheron文檔。
歡迎捐款！請隨時提交拉動請求。
該項目是根據MIT許可證獲得許可的 - 有關詳細信息，請參見許可證文件。
如果您有任何疑問，請隨時與Mitra接觸。
