PrimisAI Nexus: 확장 가능한 AI 다중 지능 시스템 및 작업 자동화를 구축하기 위한 경량 프레임워크

일반 소개

PrimisAI Nexus는 사용자가 LLM(대규모 언어 모델링)을 통해 복잡한 작업을 자동화하기 위한 확장 가능한 AI 다중 지능 시스템을 구축하고 관리할 수 있도록 PrimisAI 팀에서 개발하여 GitHub에서 호스팅하는 경량 오픈 소스 Python 프레임워크입니다. 여러 작업 지능(워커 에이전트)과 협업하는 단일 감독 지능(슈퍼바이저)을 통해 간소화된 워크플로우와 YAML 구성을 제공하는 모듈식 설계로 개발 문턱을 낮췄습니다. 2025년 2월 현재 Nexus는 HumanEval 및 VerilogEval-Human 벤치마킹과 같은 코드 생성 작업에 탁월하여 개발자와 연구원이 효율적인 AI 자동화 솔루션을 구축하는 데 적합합니다.

넥서스 아키텍처

기능 목록

• 확장 가능한 다중 인텔리전스 시스템작업 복잡성에 따라 시스템을 확장할 수 있도록 인텔리전스의 동적 추가를 지원합니다.
• 작업 자동화감독 지능이 작업을 세분화하여 전문화된 작업 지능에 할당하는 자동 실행.
• 경량 아키텍처깔끔한 워크플로 디자인을 제공하여 개발 및 유지 관리 비용을 절감합니다.
• LLM 통합사용자 지정 구성을 지원하여 대규모 언어 모델(예: GPT-4o)에 원활하게 연결할 수 있습니다.
• YAML 구성구성 파일을 통해 인텔리전스의 구조와 작업을 정의하여 관리를 간소화하세요.
• 디버깅 및 최적화스마트 바디 고장으로 인한 영향을 줄이기 위한 로깅 및 피드백 루프가 내장되어 있습니다.

도움말 사용

설치 프로세스

PrimisAI 넥서스의 설치는 간단한 과정이며 자세한 단계는 다음과 같습니다:

1. 환경 준비하기
   • 파이썬 3.8 이상이 설치되어 있는지 확인하고, 파이썬 3.8 이상에서python --version확인.
   • 가상 환경 만들기(권장):

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

2. Nexus 설치
   • pip를 사용하여 설치합니다:

     pip install primisai
     

   • 버전 확인: 실행pip show primisai를 클릭하여 설치가 성공했는지 확인합니다.
3. LLM 액세스 구성
   • 대규모 언어 모델에 대한 API 키를 가져옵니다(예: OpenAI API 키).
   • 환경 변수 설정하기:

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

4. 설치 확인
   • 테스트 스크립트 만들기test_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！")
     

   • 움직여야 합니다.python test_nexus.py"Nexus가 준비되었습니다!"라는 메시지가 출력되면 설치가 성공한 것입니다. 설치가 성공했음을 나타냅니다.

주요 기능

1. 확장 가능한 다중 지능 시스템 구축

• 절차::
  1. 가져오기 모듈:

     from primisai.nexus.core import Agent, Supervisor
     

  2. LLM을 구성합니다:

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

  3. 감독 인텔리전스 및 업무 인텔리전스 만들기:

     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. 미션을 수행합니다:

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

• 기능 설명감독 지능은 작업(예: 코드 작성 및 테스트)을 분해하여 코더 및 테스터 작업 지능에 할당하고, 필요에 따라 더 많은 지능을 추가하여 시스템을 동적으로 확장할 수 있습니다.

2. YAML을 사용하여 자동화된 작업 구성하기

• 절차::
  1. 설정config.yaml문서화:

     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. 로드하고 실행합니다:

     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")
     

• 기능 설명데이터 수집 및 보고서 생성을 자동화하기 위해 YAML 파일을 통해 인텔리전스의 역할과 작업 로직을 정의하고, 코드 수정 없이 구성을 조정할 수 있습니다.

3. 실시간 상호작용 및 테스트

• 절차::
  1. 대화형 세션을 시작합니다:

     supervisor.start_interactive_session()
     

  2. 예를 들어 '웹 검색 도구 생성'과 같은 작업을 입력하고 인텔리전스 협업의 결과를 관찰합니다.
  3. 가져오기exit세션을 종료합니다.
• 기능 설명다중 지능 협업의 효과를 실시간으로 테스트하여 작업 자동화 프로세스의 원활함을 확인할 수 있습니다.

4. 커미셔닝 및 최적화

• 절차::
  1. 디버거를 설정합니다:

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

  2. 작업을 실행하고 로그를 확인합니다(기본적으로 다음 주소로 저장됨).nexus.log).
  3. 로그를 기반으로 스마트바디 로직 또는 작업 할당을 최적화하세요.
• 기능 설명디버깅 도구는 스마트 바디 작동의 세부 사항을 기록하고 피드백 루프를 통해 안정적이고 신뢰할 수 있는 작업 실행을 보장합니다.

주의

• 네트워크가 원활하고 LLM 호출에 안정적인 API 서비스가 필요한지 확인하세요.
• YAML 파일 들여쓰기는 균일해야 하며(예: 공백 2개), 그렇지 않으면 구문 분석에 실패할 수 있습니다.
• 다중 지능 기관 협업의 효율성을 높이기 위해 복잡한 작업은 하위 작업으로 분할하는 것이 좋습니다.

이러한 단계를 통해 사용자는 Nexus를 빠르게 시작하고, 확장 가능한 AI 다중 지능 시스템을 구축하며, 작업을 자동화할 수 있습니다.