PrimisAI Nexus：スケーラブルなAIマルチインテリジェンスシステムとタスク自動化のための軽量フレームワーク

はじめに

PrimisAI Nexusは、PrimisAIチームによって開発された、GitHubでホストされている軽量なオープンソースのPythonフレームワークです。大規模言語モデリング（LLM）を通して複雑なタスクを自動化するためのスケーラブルなAIマルチインテリジェンスシステムの構築と管理を支援します。NexisAIはモジュラーデザインを採用しており、単一のスーパーバイジングインテリジェンス（Supervisor）が複数のワーキングインテリジェンス（Worker Agents）と連携することで、簡素化されたワークフローとYAMLコンフィギュレーションを提供し、開発の敷居を下げています。2025年2月現在、NexusはHumanEvalやVerilogEval-Humanベンチマークなどのコード生成タスクに優れており、開発者や研究者が効率的なAI自動化ソリューションを構築するのに適している。

ネクサス・アーキテクチャー

機能一覧

• スケーラブル・マルチ・インテリジェンス・システムタスクの複雑さに応じてシステムを拡張するため、インテリジェンスの動的な追加をサポートする。
• タスクの自動化タスクを分解し、専門化された作業インテリジェンスに割り当てる監督インテリジェンスによる自動実行。
• 軽量アーキテクチャクリーンなワークフロー設計を提供し、開発とメンテナンスのコストを削減します。
• LLMインテグレーション大規模言語モデル（GPT-4oなど）へのシームレスな接続とカスタム設定のサポート。
• YAMLコンフィギュレーション設定ファイルを通してインテリジェンスの構造とタスクを定義することにより、管理を簡素化します。
• デバッグと最適化ロギングとフィードバックループを内蔵し、スマートボディの故障による影響を軽減。

ヘルプの使用

設置プロセス

PrimisAI Nexusのインストールは簡単です：

1. 環境を整える
   • Python 3.8+がインストールされていることを確認し、以下のコマンドを実行する。python --versionチェックする。
   • 仮想環境を作成する（推奨）：

     python -m venv nexus_env
     source nexus_env/bin/activate  # Linux/Mac
     nexus_env\Scripts\activate     # Windows
     

2. ネクサスのインストール
   • インストールにはpipを使う：

     pip install primisai
     

   • バージョンの確認：実行pip show primisaiをクリックして、インストールが成功したことを確認する。
3. LLMアクセスの設定
   • 大規模言語モデルのAPIキーを取得する（例：OpenAIのAPIキー）。
   • 環境変数の設定：

     export OPENAI_API_KEY="your-api-key-here"  # Linux/Mac
     set OPENAI_API_KEY="your-api-key-here"     # Windows
     

4. インストールの確認
   • テストスクリプトの作成test_nexus.py::

     from primisai.nexus.core import Supervisor
     llm_config = {"api_key": "your-api-key-here", "model": "gpt-4o"}
     supervisor = Supervisor("TestSupervisor", llm_config)
     print("Nexus已就绪！")
     

   • うごきだすpython test_nexus.py出力が「Nexus is ready!インストールが成功したことを示します。

主な機能

1.スケーラブルなマルチインテリジェンスシステムの構築

• 手続き::
  1. インポートモジュール：

     from primisai.nexus.core import Agent, Supervisor
     

  2. LLMを設定する：

     llm_config = {
     "api_key": "your-api-key-here",
     "model": "gpt-4o"
     }
     

  3. スーパーバイザー・インテリジェンスとワーク・インテリジェンスの創造：

     supervisor = Supervisor("RootSupervisor", llm_config)
     coder = Agent("Coder", llm_config, system_message="生成Python代码。")
     tester = Agent("Tester", llm_config, system_message="验证代码正确性。")
     supervisor.register_agent(coder)
     supervisor.register_agent(tester)
     

  4. ミッションを遂行するために

     task = "编写并验证一个排序算法"
     supervisor.run(task)
     

• 機能説明監督インテリジェンスはタスク（コードやテストの記述など）を分解し、コーダーとテスターの作業インテリジェンスに割り当てる。

2.YAMLを使った自動タスクの設定

• 手続き::
  1. 確立config.yamlドキュメンテーション

     supervisor:
     name: "AutomationSupervisor"
     llm_config:
     api_key: "your-api-key-here"
     model: "gpt-4o"
     agents:
     - name: "DataCollector"
     system_message: "收集并整理数据。"
     - name: "ReportGenerator"
     system_message: "生成数据报告。"
     

  2. ロードして走る：

     from primisai.nexus.config import load_yaml_config, AgentFactory
     config = load_yaml_config("config.yaml")
     factory = AgentFactory()
     system = factory.create_from_config(config)
     system.run("收集市场数据并生成报告")
     

• 機能説明YAMLファイルを通してインテリジェンスの役割とタスクロジックを定義し、データ収集とレポート生成を自動化します。

3.リアルタイム・インタラクションとテスト

• 手続き::
  1. インタラクティブなセッションを開始する：

     supervisor.start_interactive_session()
     

  2. 例えば「ウェブ検索ツールを作成する」といったタスクを入力し、インテリジェンス・コラボレーションの結果を観察する。
  3. 輸入exitセッションを終了する。
• 機能説明マルチインテリジェンス・コラボレーションの有効性をリアルタイムでテストし、タスク自動化プロセスのスムーズさを検証。

4.コミッショニングと最適化

• 手続き::
  1. デバッガーをセットアップする：

     from primisai.nexus.core import Debugger
     debugger = Debugger(log_level="DEBUG")
     supervisor.set_debugger(debugger)
     

  2. タスクを実行し、ログを表示する。nexus.log).
  3. ログに基づき、インテリジェント・ロジックやタスク割り当てを最適化。
• 機能説明デバッグツールは、スマートボディの操作の詳細を記録し、フィードバックループを通じて安定した信頼性の高いタスクの実行を保証します。

ほら

• ネットワークがスムーズで、LLMコールが安定したAPIサービスを必要とすることを確認する。
• YAMLファイルのインデントは統一する必要があります（例えば2スペース）。
• 複雑なタスクをサブタスクに分割することで、多知能体のコラボレーションの効率を向上させることが提案されている。

これらのステップにより、ユーザーはすぐにNexusを使い始め、スケーラブルなAIマルチインテリジェンスシステムを構築し、タスクを自動化することができる。