AI Personal Learning
und praktische Anleitung

Bambo: ein leichtgewichtiges und flexibles Framework für intelligente Körper, mit einfacher Konfiguration von Rollen und Werkzeugen zur Bewältigung einer Vielzahl von Aufgaben

Allgemeine Einführung

Bambo ist ein neuartiges Proxy-Framework, das leichter und flexibler als herkömmliche Frameworks ist und eine breite Palette von Lastaufgaben bewältigen kann.Bambo erreicht eine effiziente Proxy-Funktionalität, indem es alle Werkzeuge im Werkzeugkatalog definiert und asynchrone benutzerdefinierte Funktionen verwendet. Die Benutzer können die Modell- und Client-Parameter, die sie aufrufen müssen, in der Datei llm_client.py definieren und dann ihre eigenen Testskripte im Ordner examples erstellen.Das Ziel von Bambo ist es, eine effiziente und flexible Proxy-Lösung für eine Vielzahl von Anwendungsszenarien bereitzustellen.

Traditionelle Agent Rahmen jede Rolle ist ein unabhängiger Agent, die Notwendigkeit für einen "Supervisor", um die Arbeit zu koordinieren, Rollenwechsel durch eine komplexe Handover-Prozess zu gehen, ist die Anzahl der LLM Anrufe relativ hoch, was zu einer schlechten Reaktionsgeschwindigkeit und Glätte.

Bambo löst dieses Problem durch Rollenspiele. Basierend auf Bambo ist ein ähnlicher Effekt von notebooklm implementiert. Der Effekt enthält kein TTS, so dass Sie bei Bedarf den entsprechenden Code in das Testskript einfügen können.

Bambo: Leichtgewichtiges und flexibles Smart Body Framework mit einfacher Konfiguration von Rollen und Werkzeugen zur Bewältigung einer Vielzahl von Aufgaben-1


 

Bambo: Leichtgewichtiges und flexibles Proxy-Framework zur Bewältigung mehrerer Lastaufgaben-1

 

Funktionsliste

  • Leichtes und flexibles Proxy-Framework
  • Handhabung einer Vielzahl von Lasten
  • Unterstützung für asynchrone benutzerdefinierte Funktionen
  • Definieren und Aufrufen der erforderlichen Modell- und Client-Parameter
  • Erstellung und Ausführung von Testskripten
  • Unterstützung von Szenarien mit mehreren Charakteren
  • Funktionen zur Codeausführung und -analyse

 

Hilfe verwenden

Ablauf der Installation

  1. Klon-Lagerhaus:
    git clone https://github.com/LB-Young/Bambo.git
    cd Bambo
    
  2. Installieren Sie die Abhängigkeit:
    pip install -r anforderungen.txt
    
  3. Installieren Sie PyTorch manuell (falls erforderlich):
    pip3 install torch torchvision torchaudio
    

Einrichtung und Konfiguration

  1. Definieren Sie alle Werkzeuge im Werkzeugkatalog und stellen Sie sicher, dass die benutzerdefinierten Funktionen asynchron sind.
  2. Definieren Sie die Modell- und Client-Parameter für die erforderlichen Aufrufe in der Datei llm_client.py.
  3. Erstellen Sie Ihre eigenen Testskripte im Ordner examples, indem Sie die erforderlichen Rollen und Werkzeuge definieren.
  4. Initialisieren Sie das Bambo-Objekt und geben Sie die erforderlichen Parameter ein:
    from src.bambo importieren Bambo
    from src.llm_client importiert Client, Modell
    from src.tools.code_execute importieren code_execute
    roles = {
    "finance_expert": "finance_expert", "law_expert".
    
    
    "computer_expert": "computer_expert",
    }
    tools = {}
    bambo = Bambo(client=client, bambo_role=None, roles=roles, tools=tools, agents=None, model=model)
    query = "Ich bin ein Gymnasiast und möchte ein Hauptfach wählen, aber ich weiß nicht, was ich wählen soll. Könnten Sie mir bitte sagen, was die Vor- und Nachteile der drei Hauptfächer Finanzen, Jura und Informatik sind?"
    async for item in bambo.execute(query=query).
    print(item, end="", flush=True)
    

Bambo verwenden

  1. Führen Sie die Bambo-Schnittstelle aus:
    python Beispiele/Notizbuchlm.py
    
  2. oder den Agenten im Hintergrund laufen lassen:
    nohup python examples/multi_roles.py &> multi_roles.log &
    
  3. Das interaktive Menü führt Sie durch die folgenden Optionen:
    • Trainingsdatensatz erstellen/aktualisieren
    • Ausbildungsmodelle
    • Laufende Agenten
    • Einen kompletten Arbeitsablauf ausführen
    • Abbrechen

konfigurieren.

Bearbeiten Sie die Datei config.py, um sie anzupassen:

  • Modellauswahl
  • Training von Hyperparametern
  • Proxy-Einstellungen
  • Reaktionsfähige Vorlagen
  • Aufgaben-Filterung

Bambo bietet eine Vielzahl von Möglichkeiten, die bearbeiteten Aufgaben zu filtern:

  1. Etikettierung (automatisch)
  2. Schwarze Liste (manuell)
AI Leichtes Lernen

Der Leitfaden für Laien zum Einstieg in die KI

Hilft Ihnen, die Nutzung von KI-Tools kostengünstig und von Null an zu erlernen.KI ist, wie Bürosoftware, eine wesentliche Fähigkeit für jeden. Die Beherrschung von KI verschafft Ihnen einen Vorteil bei der Stellensuche und die Hälfte des Aufwands bei Ihrer zukünftigen Arbeit und Ihrem Studium.

Details ansehen>
Darf nicht ohne Genehmigung vervielfältigt werden:Chef-KI-Austauschkreis " Bambo: ein leichtgewichtiges und flexibles Framework für intelligente Körper, mit einfacher Konfiguration von Rollen und Werkzeugen zur Bewältigung einer Vielzahl von Aufgaben

Chef-KI-Austauschkreis

Der Chief AI Sharing Circle konzentriert sich auf das KI-Lernen und bietet umfassende KI-Lerninhalte, KI-Tools und praktische Anleitungen. Unser Ziel ist es, den Nutzern dabei zu helfen, die KI-Technologie zu beherrschen und gemeinsam das unbegrenzte Potenzial der KI durch hochwertige Inhalte und den Austausch praktischer Erfahrungen zu erkunden. Egal, ob Sie ein KI-Anfänger oder ein erfahrener Experte sind, dies ist der ideale Ort für Sie, um Wissen zu erwerben, Ihre Fähigkeiten zu verbessern und Innovationen zu verwirklichen.

Kontaktieren Sie uns
de_DE_formalDeutsch (Sie)