PocketFlow: Ein minimalistisches Framework für die Entwicklung von KI-Anwendungen in 100 Codezeilen

Allgemeine Einführung

PocketFlow ist ein leichtgewichtiges Framework zur Entwicklung von KI-Anwendungen mit nur 100 Zeilen Code, das vom The-Pocket-Team entwickelt und auf GitHub veröffentlicht wurde. Es verfolgt ein minimalistisches Design, der Kerncode wird in 100 Zeilen gesteuert, es gibt keine externen Abhängigkeiten und es gibt keine Herstelleranbindungen. Entwickler können damit schnell KI-Anwendungen, Unterstützung für Multi-Intelligenz, Workflow, Retrieval Augmentation Generation (RAG) und andere Funktionen erstellen. Der Clou ist "Agentic Coding", d. h., KI-Intelligenzen (wie z. B. die Cursor PocketFlow geht von der einfachsten Graphenstruktur aus und verwendet die geringste Menge an Code, um eine leistungsstarke Funktionalität zu erreichen. Damit ist es ideal für Einzelpersonen oder Teams, die schnell KI-Anwendungen entwickeln müssen.

Wegen der relativ geringen Menge an Code bietet das Projekt auch eine .cursorrules-Konfigurationsdatei, die das Schreiben von Smart Body-Anwendungen in Cursor automatisiert.

Funktionsliste

• Nur 100 Zeilen Kerncode: Auf 100 Zeilen gestrafft, leicht zu lesen und zu ändern.
• Graphenbasierte StrukturDefinition von KI-Aufgaben in Form von Knoten und Verbindungen.
• Multi-Intelligence-UnterstützungMehrere KI-Intelligenzen können bei Aufgaben zusammenarbeiten.
• Integrierter ArbeitsablaufAufschlüsselung der Aufgaben und Reihenfolge der Ausführung auf einen Blick.
• Retrieval Augmentation Generation (RAG)Verbesserung der Qualität des Outputs durch Einbeziehung externer Daten.
• AI-Selbstprogrammierung (Agentic Coding): KI kann ihren eigenen Code schreiben und Zeit sparen.
• Null-AbhängigkeitskonzeptEs sind keine zusätzlichen Bibliotheken erforderlich, führen Sie es einfach aus.
• Kompatibel mit jedem LLM: Auf jedes große Sprachmodell kann zugegriffen werden.

Hilfe verwenden

Ablauf der Installation

Die Installation von PocketFlow ist sehr einfach und erfordert keine komplexe Konfiguration der Umgebung. Im Folgenden werden zwei Möglichkeiten zur Installation von PocketFlow beschrieben:

Methode 1: Installation über pip

1. Öffnen Sie ein Befehlszeilentool (CMD für Windows, Terminal für Mac).
2. Geben Sie den Befehl ein:pip install pocketflowund drücken Sie dann die Eingabetaste.
3. Der Installationsvorgang dauert nur wenige Sekunden und ist danach sofort einsatzbereit.
4. Überprüfen Sie die Installation: Geben Sie in der Befehlszeile python -c "import pocketflow; print(pocketflow.__version__)"Wenn die Versionsnummer angezeigt wird, bedeutet dies Erfolg.

Methode 2: Direktes Kopieren des Quellcodes

1. Öffnen Sie Ihren Browser und gehen Sie zu https://github.com/The-Pocket/PocketFlow.
2. Klicken Sie auf die Schaltfläche "Code" in der oberen rechten Ecke und wählen Sie "ZIP herunterladen", um den Quellcode herunterzuladen.
3. Entpacken Sie die Datei und suchen Sie die Datei pocketflow/__init__.py(Das sind 100 Zeilen Kerncode).
4. Kopieren Sie diese Datei in Ihren Projektordner.
5. Import in Python-Code:pocketflow importierenIm Folgenden finden Sie ein Beispiel für die ersten Schritte.

Verwendung der wichtigsten Funktionen

Im Kern ist PocketFlow ein Graph-basiertes Framework, das KI-Aufgaben über Knoten und Verbindungen (Flow) organisiert. So funktioniert es:

1. grundlegende Arbeitsabläufe erstellen

• umziehen::
  1. Erstellen Sie eine neue Python-Datei wie test_flow.py.
  2. Geben Sie den folgenden Code ein:

     importieren Sie pocketflow
     flow = pocketflow.Flow()
     flow.add_node("hallo", lambda x: print("Hallo, PocketFlow!"))
     flow.run()
     

  3. Führen Sie es über die Befehlszeile aus:python test_flow.py.
  4. Auf dem Bildschirm wird "Hello PocketFlow!" angezeigt.
• AnweisungenDies ist ein einfacher Workflow, der einen Knoten enthält, der Nachrichten druckt.

2. die Nutzung von Multi-Intelligenz-Funktionen

• umziehen::
  1. Ändern Sie den Code, um mehrere Intelligenzen zu berücksichtigen:

     importieren Sie pocketflow
     flow = pocketflow.Flow()
     flow.add_node("agent1", lambda x: "Intelligenz 1 sagt: Hallo")
     flow.add_node("agent2", lambda x: f "Intelligenz 2 antwortet: {x}, du auch")
     flow.connect("agent1", "agent2")
     Ergebnis = flow.run()
     print(ergebnis)
     

  2. Wenn es ausgeführt wird, gibt es den Dialog zwischen den Intelligenzen aus.
• Anweisungen::verbinden Die Methode verbindet zwei Knotenpunkte, und die Daten fließen von "agent1" zu "agent2".

3. die Hinzufügung der RAG-Funktionalität

• umziehen::
  1. Erstellen einer Textdatei info.txtschreiben Sie etwas wie: "PocketFlow ist ein leichtgewichtiges KI-Framework".
  2. Ändern Sie den Code:

     importieren Sie pocketflow
     flow = pocketflow.Flow()
     def get_data(x).
     with open("info.txt", "r", encoding="utf-8") as f: return f.read().
     return f.read()
     flow.add_node("abrufen", get_data)
     flow.add_node("generate", lambda x: f "Ergebnis generieren: {x}")
     flow.connect("abrufen", "generieren")
     Ergebnis = flow.run()
     print(ergebnis)
     

  3. Nach der Ausführung werden der Inhalt der Datei und die generierten Ergebnisse ausgegeben.
• AnweisungenRAG: Der RAG liest die externen Daten über den "retrieve"-Knoten und übergibt sie zur Verarbeitung an den "generate"-Knoten.

4. die Verwendung von Agentic Coding (KI-Selbstprogrammierung)

• umziehen::
  1. Installieren Sie ein Tool, das die Codegenerierung unterstützt, wie z. B. Cursor AI.
  2. Geben Sie die Anforderung in Cursor AI ein: "Schreiben Sie ein Programm, das die Summe von 1 bis 10 mit PocketFlow berechnet".
  3. AI erzeugen kann:

     importieren Sie pocketflow
     flow = pocketflow.Flow()
     flow.add_node("Zahlen", lambda x: list(Bereich(1, 11)))
     flow.add_node("Summe", lambda x: Summe(x))
     flow.connect("Zahlen", "Summe")
     Ergebnis = flow.run()
     print(f "Die Summe ist: {Ergebnis}")
     

  4. Nach der Ausführung lautet die Ausgabe "Die Summe ist: 55".
• AnweisungenAI generiert PocketFlow-Code direkt, Entwickler müssen ihn nur kopieren und ausführen.

5. den Zugang zu externen LLM

• umziehen::
  1. Angenommen, Sie haben den OpenAI-API-Schlüssel, dann ändern Sie den Code:

     importiere pocketflow
     von openai importieren OpenAI
     client = OpenAI(api_key="Ihr API-Schlüssel")
     flow = pocketflow.Flow()
     flow.add_node("fragen", lambda x: client.chat.completions.create(
     model="gpt-3.5-turbo",
     messages=[{"role": "user", "content": "hello"}]
     ).choices[0].message.content)
     ergebnis = flow.run()
     print(ergebnis)
     

  2. Wenn es ausgeführt wird, gibt es die Antworten des Modells aus.
• AnweisungenPocketFlow ist nicht an ein LLM gebunden und Sie können frei darauf zugreifen.

Zusammenfassung des Betriebsablaufs

1. Installieren Sie PocketFlow (mit pip oder durch Kopieren des Quellcodes).
2. Erstellen Sie eine neue Python-Datei, importieren Sie pocketflow.
3. Kosten oder Aufwand Fluss() Erstellen Sie Arbeitsabläufe, fügen Sie Knoten und Verbindungen hinzu.
4. Aufforderungen run() Aufgaben ausführen und Ergebnisse überprüfen.
5. Passen Sie die Knotenfunktionalität an, um Intelligenzen oder RAGs je nach Bedarf einzubeziehen.

caveat

• Python Version 3.6 oder höher wird empfohlen.
• Wenn Sie einen externen LLM verwenden, müssen Sie die API und das Netzwerk konfigurieren.
• Weitere Beispiele und Verwendungsmöglichkeiten finden Sie in der offiziellen Dokumentation unter https://the-pocket.github.io/PocketFlow/.

Anwendungsszenario

1. Schnelle Validierung von AI-Ideen
   Sie wollen einen Autoresponder erstellen, Prototyp in wenigen Minuten mit PocketFlow.
2. AI-Entwicklung lernen
   Studenten oder Anfänger können damit üben, denn der Code ist einfach und logisch.
3. Automatisierung kleiner Aufgaben
   Wenn Sie z. B. ein Dokument zusammenfassen oder eine E-Mail erstellen möchten, kann PocketFlow dies schnell erledigen.
4. Entwicklung der Teamarbeit
   Mehrere Personen können damit den Entwurf von Knotenpunkten aufteilen und schnell Anwendungen zusammenstellen.

QA

1. Wie unterscheidet sich PocketFlow von anderen Frameworks?
   Es besteht aus nur 100 Zeilen Code, hat keine Abhängigkeiten und ist leichter als andere Frameworks (wie LangChain mit 400.000 Zeilen).
2. Benötige ich zusätzliche Tools für die KI-Selbstprogrammierung?
   Ja, es wird empfohlen, Cursor AI oder ein ähnliches Tool zu verwenden.
3. Ist sie im Handel erhältlich?
   Ja, es ist Open Source, die genaue Lizenz finden Sie auf der GitHub-Seite.