AiPy : automatisation de l'exécution du code Python pour l'analyse des données

Introduction générale

AiPy est un outil de ligne de commande Python open source développé par l'équipe Knownsec. Il combine le Large Language Model (LLM) et l'environnement d'exécution Python, permettant aux utilisateurs de décrire la tâche en langage naturel, de générer automatiquement et d'exécuter le code Python. Il prend en charge les formats CSV, Excel, JSON et autres, et couvre le nettoyage des données, l'analyse, la visualisation et d'autres fonctions. AiPy est conçu pour les ingénieurs en données et les programmeurs qui ont besoin de travailler rapidement avec des données. Il prend en charge les formats CSV, Excel, JSON et autres, couvrant le nettoyage des données, l'analyse, la visualisation, etc. Les utilisateurs peuvent saisir des exigences en langage naturel ou exécuter directement du code Python, partageant ainsi des données dans les deux modes et rendant l'opération simple.

Liste des fonctions

• Génération de code en langage naturel : l'utilisateur décrit la tâche et AiPy génère et exécute automatiquement le code Python.
• Prise en charge des formats de données : Prise en charge des formats CSV, Excel, JSON, SQLite, Parquet et autres.
• Traitement des données : permet le nettoyage, la conversion, le calcul, l'agrégation, le tri, le regroupement et le filtrage.
• Visualisation des données : générer des graphiques tels que des diagrammes à barres, des diagrammes à secteurs, etc.
• Mode ligne de commande Python : saisissez et exécutez directement du code Python.
• Gestion des bibliothèques tierces : invites automatiques à installer les bibliothèques requises, telles que pandas peut-être psutil.
• Correction des erreurs de code : détection et correction des erreurs de code à l'aide d'arbres syntaxiques abstraits (AST).
• Appels API : prise en charge des API Internet (par exemple, météo, cartes) et des API locales privées.
• Changement de mode : basculez librement entre le mode tâche (langage naturel) et le mode Python (saisie de code).
• Déploiement local : soutient le traitement local des données afin de protéger la vie privée et la sécurité.

Utiliser l'aide

Processus d'installation

AiPy est compatible avec Windows, macOS et Linux, et Python 3.9 ou supérieur est recommandé. Voici les étapes de l'installation :

1. Vérification de la version de Python
   Assurez-vous que Python 3.9+ est installé. Exécutez la commande suivante pour confirmer :

   python3 --version
   

   Si la version n'est pas suffisante, vous pouvez la télécharger et l'installer à partir du site web de Python.

2. Installation via pip
   Installez AiPy en utilisant pip :

   pip install aipyapp
   

   Cela installera automatiquement les bibliothèques dépendantes. Si vous avez des problèmes, mettez à jour pip :

   pip install --upgrade pip
   

3. Clonage du code source (optionnel)
   Pour bénéficier des dernières fonctionnalités, clonez votre dépôt GitHub :

   git clone https://github.com/knownsec/aipyapp.git
   cd aipyapp
   

   Créer un environnement virtuel et installer les dépendances :

   python3 -m venv venv
   source venv/bin/activate  # Linux/macOS
   venv\Scripts\activate     # Windows
   pip install -r requirements.txt
   

4. Édition gratuite pour Windows
   Les utilisateurs de Windows peuvent télécharger le paquetage d'exécution en un clic, le décompresser et l'exécuter. update.bat Démarrez AiPy sans configurer votre environnement. Lien de téléchargement :Paquet d'installation gratuit d'AiPy.
5. Configuration du grand modèle
   AiPy a besoin d'un support pour les grands modèles, recommandé ! DeepSeek API (rentable). Créez un fichier de configuration dans le répertoire d'installation ou le répertoire de l'utilisateur (par ex. .aipyconfig), remplissez les informations relatives à l'API :

   [llm]
   api_key = your_deepseek_api_key
   model = deepseek
   

   La prise en charge des modèles locaux (par exemple Ollama, LMStudio) nécessite la configuration de l'adresse API.

6. Lancer AiPy
   Exécutez la commande suivante :

   aipython
   

   Par défaut, vous entrez dans le mode tâche avec l'invite AiPy (Quit with 'exit()') >>>.

Utilisation de base

AiPy propose un mode tâche et un mode Python, les deux modes étant interopérables.

• mode mission
  Idéal pour le traitement rapide des tâches. L'utilisateur saisit un langage naturel et AiPy génère et exécute le code. Exemple :

  ai("读取 orders.csv，计算每种产品的总收入")
  

  AiPy Générer du code :

  import pandas as pd
  df = pd.read_csv('orders.csv')
  df['收入'] = df['价格'] * df['数量']
  result = df.groupby('产品')['收入'].sum()
  print(result)
  

  Si une bibliothèque tierce est nécessaire, elle sera demandée :

  📦 LLM requests to install third-party packages: ['pandas']
  If you agree, enter 'y [y/n] (n):
  

  importation y Remerciements.

• Mode Python
  Commande de démarrage pour les utilisateurs familiers avec Python :

  aipython --python
  

  Saisissez directement le code, par exemple :

  import pandas as pd
  df = pd.read_csv('orders.csv')
  print(df.head())
  

  Les données générées en mode tâche peuvent être poursuivies en mode Python.

Fonction en vedette Fonctionnement

1. la programmation en langage naturel
   L'utilisateur décrit les exigences et AiPy génère automatiquement le code. Exemple :

   ai("从 data.csv 筛选薪资高于 5000 的记录，按年龄排序")
   

   Générer un code :

   import pandas as pd
   df = pd.read_csv('data.csv')
   result = df[df['薪资'] > 5000][['姓名', '年龄', '薪资']].sort_values(by='年龄')
   print(result)
   

2. Visualisation des données
   Prise en charge de la génération de graphiques. Exemple :

   ai("绘制 orders.csv 中产品收入的饼图")
   

   Générer un code :

   import pandas as pd
   import matplotlib.pyplot as plt
   df = pd.read_csv('orders.csv')
   df['收入'] = df['价格'] * df['数量']
   result = df.groupby('产品')['收入'].sum()
   plt.pie(result, labels=result.index, autopct='%1.1f%%')
   plt.show()
   

3. Appels de l'API
   Les API Internet et locales sont prises en charge, par exemple :

   ai("查询上海明天天气")
   

   AiPy appelle l'API météo et renvoie les résultats. La clé API doit être configurée.

4. Correction du code
   AiPy utilise l'AST pour détecter et corriger les erreurs de code, telles que les problèmes d'indentation ou de syntaxe, afin de garantir un fonctionnement harmonieux.
5. déploiement local
   Il prend en charge les opérations locales, le traitement des données étant effectué sur l'appareil de l'utilisateur, ce qui convient aux scénarios de données sensibles. Il n'est pas nécessaire d'utiliser le réseau après avoir configuré le modèle local.

Exemple de déroulement des opérations

avec sales.csv(Colonnes : Produit, Prix, Volume) à titre d'exemple :

1. Démarrer AiPy :

   aipython
   

2. Saisissez la tâche :

   ai("读取 sales.csv，计算每种产品总销量")
   

   Sortie :

   产品    总销量
   手机    100
   电脑     50
   

3. Générer des graphiques :

   ai("绘制总销量的柱状图")
   

   Affiche un graphique à barres.

4. Passer en mode Python :

   aipython --python
   

   Entrée :

   plt.title('产品销量')
   plt.show()
   

mise en garde

• Assurez-vous que le chemin d'accès au fichier est correct, sinon un message d'erreur s'affiche.
• Vérifiez l'état du réseau ou du modèle local lors de la configuration de l'API.
• Les modèles locaux nécessitent un support matériel (par exemple, GPU).
• Quitter AiPy Input exit().

scénario d'application

1. l'analyse des données
   Les ingénieurs de données traitent rapidement Excel ou CSV pour le nettoyage, les statistiques et la visualisation, éliminant ainsi le codage manuel.
2. Programmation de l'apprentissage
   Les débutants essaient de réaliser des tâches en langage naturel, voient le code généré et apprennent à utiliser la bibliothèque Python.
3. script d'automatisation
   Les développeurs génèrent des scripts pour traiter les fichiers, surveiller les ressources ou appeler des API.
4. Aide à la vie
   Consultez la météo, planifiez votre voyage ou filtrez votre nourriture, et AiPy rassemble automatiquement les résultats.

QA

1. Quels sont les modèles pris en charge par AiPy ?
   Support DeepSeek, Ollama, LMStudio, etc., vous pouvez définir l'API dans le fichier de configuration. DeepSeek est recommandé.
2. Comment appeler l'API locale ?
   Ajoutez l'adresse et la description de l'API au fichier de configuration et AiPy génère automatiquement le code d'appel.
3. Qu'en est-il des erreurs de code ?
   AiPy corrige les erreurs courantes via l'AST. En cas d'échec, ajustez-le manuellement en mode Python.
4. Dois-je travailler en réseau ?
   Le déploiement local ne nécessite pas de réseau, ce qui convient aux scénarios privés. Les appels à l'API Internet nécessitent un réseau.