PhiData: Aufbau von KI-Intelligenzen mit Gedächtnis, Wissen und Werkzeugen

Allgemeine Einführung

PhiData ist ein Framework für die Entwicklung intelligenter KI-Assistenten. Es ermöglicht es KI-Assistenten, langfristige Gespräche zu führen, genauen geschäftlichen Kontext zu liefern und eine Vielzahl von Aktionen durch verbesserte Speicher-, Wissensintegrations- und Tool-Aufruf-Funktionen auszuführen. PhiData verbessert nicht nur die Intelligenz von KI-Assistenten, sondern erweitert auch deren Anwendungsbereich, sodass sie die Bedürfnisse der Benutzer besser verstehen und präziser darauf reagieren können.

Funktionsliste

• Speicher: Speichern des Chatverlaufs und Aufrechterhaltung langfristiger Unterhaltungen
• Wissen: Speicherung von Informationen in Vektordatenbanken zur Bereitstellung von Geschäftskontexten
• Tools: Aufruf von APIs zum Abrufen von Daten, Senden von E-Mails, Durchführen von Datenbankabfragen usw.
• Datenanalyse: Verwendung von Tools wie SQL, DuckDb usw. zur Datenanalyse
• Berichterstellung: Durchführung von Recherchen und Erstellung von Berichten
• Q&A: Beantworten Sie Fragen zu PDFs, APIs und mehr!
• Artikel- und Videozusammenfassungen: fassen Sie Artikel- und Videoinhalte zusammen

Hilfe verwenden

Installation von Phidata

1. https://github.com/phidatahq/phidata
2. Stellen Sie sicher, dass Sie Python und pip in Ihrer Entwicklungsumgebung installiert haben.
3. Führen Sie den folgenden Befehl im Befehlszeilentool aus, um Phidata zu installieren:

   pip install -U phidata
   

    

Umgebung Konfiguration

1. Das Setzen von Umgebungsvariablen, z. B. bei der Verwendung von OpenAIs API, erfordert das Setzen vonOPENAI_API_KEY::

   export OPENAI_API_KEY=sk-xxxx
   

Schnellstart

Schaffung eines KI-Assistenten, der DuckDuckGo für die Websuche nutzen kann

1. Dokumente erstellenassistant.py::

   from phi.assistant import Assistant
   from phi.tools.duckduckgo import DuckDuckGo
   
   assistant = Assistant(tools=[DuckDuckGo()], show_tool_calls=True)
   assistant.print_response("What's happening in France?", markdown=True)
   

2. Installieren Sie die Bibliothek und führen Sie den Assistenten aus:

   pip install openai duckduckgo-search
   python assistant.py
   

Einen Assistenten erstellen, der Finanzdaten abfragen kann

1. Dokumente erstellenfinance_assistant.py::

   from phi.assistant import Assistant
   from phi.llm.openai import OpenAIChat
   from phi.tools.yfinance import YFinanceTools
   
   assistant = Assistant(
       llm=OpenAIChat(model="gpt-4o"),
       tools=[YFinanceTools(stock_price=True, analyst_recommendations=True, company_info=True, company_news=True)],
       show_tool_calls=True,
       markdown=True,
   )
   assistant.print_response("What is the stock price of NVDA")
   assistant.print_response("Write a comparison between NVDA and AMD, use all tools available.")
   

2. Installieren Sie die Bibliothek und führen Sie den Assistenten aus:

   pip install yfinance
   python finance_assistant.py
   

Fortgeschrittene Anwendungen

PhiData eignet sich nicht nur für die Erstellung grundlegender KI-Assistenten, sondern verfügt auch über eine Reihe fortgeschrittener Funktionen wie die Erstellung von Datenmodellen, SQL-Datenanalyse und die Ausführung von Python-Code. Hier sind einige Beispiele für erweiterte Funktionen:

Hilfsmittel zum Schreiben und Ausführen von Python-Code

1. Dokumente erstellenpython_assistant.py::

   from phi.assistant.python import PythonAssistant
   
   assistant = PythonAssistant()
   assistant.print_response("Write a Python script to calculate the Fibonacci sequence.")
   

2. Installieren Sie die Bibliothek und führen Sie den Assistenten aus:

   pip install openai
   python python_assistant.py
   

Mit den oben genannten Schritten können Sie schnell loslegen und Ihren eigenen intelligenten KI-Assistenten erstellen, der die Leistungsfähigkeit von PhiData voll ausschöpft.

Warum phidata

Frage:LLM hat einen begrenzten Hintergrund, um Maßnahmen zu ergreifen.
Lösung:Fügen Sie Erinnerungen, Wissen und Werkzeuge hinzu.

Gedächtnis:durch die KombinationChat-VerlaufDie in einer Datenbank gespeicherten Daten ermöglichen es LLM, einen langfristigen Dialog zu führen.
Wissen:Durch die Speicherung der Informationen in einer Vektordatenbank bietet das LLM dieOperativer Kontext.
Werkzeuge:Ermöglicht es LLMs, Daten von APIs zu übernehmen, E-Mails zu versenden oder Datenbanken abzufragen usw.Rigg.

Gedächtnis und Wissen machen das LLMKlüger.Und die Werkzeuge machen sieAutonomie.

Wie funktioniert das?

Schritt 1:Einen `Assistenten` erstellen
Schritt 2:Hinzufügen von Werkzeugen (Funktionen), Wissen (Vektordatenbank) und Speicherung (Datenbank)
Schritt 3:Erstellen Sie Ihre KI-Anwendungen mit Streamlit, FastApi oder Django!

Beispiele

1. eine virtuelle Umgebung erstellen

Öffnen Sie `Terminal` und erstellen Sie eine virtuelle Python-Umgebung.

python3 -m venv ~/.venvs/aienv
Quelle ~/.venvs/aienv/bin/activate

2. phidata installieren

pip install -U phidata

3. einen Assistenten erstellen

assistant.py" erstellt eine Datei mit einem Assistenten, der das Web mit DuckDuckGo durchsuchen kann.

from phi.assistant.import Assistent
von phi.tools.duckduckgo importieren DuckDuckGo

assistant = Assistant(tools=[DuckDuckGo()], show_tool_calls=True)
assistant.print_response("Was passiert in Frankreich?", markdown=True)

4. den Assistenten ausführen

Verwenden Sie standardmäßig das Hilfsmittel `OpenAI`. Setzen Sie Ihren `OPENAI_API_KEY` (den Sie von [hier sind]Holen Sie sich einen).

export OPENAI_API_KEY=sk-***

Installieren Sie `openai` & `duckduckgo`.

pip install openai duckduckgo-search

Laufassistent

python assistent.py

Demonstrationen

Sehen Sie sich die folgenden mit phidata erstellten KI-Anwendungen an: