PhiData: criando inteligências de IA com memória, conhecimento e ferramentas

Introdução geral

O PhiData é uma estrutura projetada para desenvolver assistentes de IA inteligentes. Ele permite que os assistentes de IA se envolvam em conversas de longo prazo, forneçam um contexto comercial preciso e executem uma variedade de ações por meio de memória aprimorada, integração de conhecimento e recursos de invocação de ferramentas. O PhiData não apenas aprimora a inteligência dos assistentes de IA, mas também amplia o escopo de seus aplicativos, permitindo que eles entendam e respondam às necessidades do usuário com maior precisão.

Lista de funções

• Memória: armazena o histórico de bate-papo e mantém conversas de longo prazo
• Conhecimento: armazenamento de informações por meio de bancos de dados vetoriais para fornecer contextos de negócios
• Ferramentas: chamar APIs para obter dados, enviar e-mails, realizar consultas a bancos de dados, etc.
• Análise de dados: uso de ferramentas como SQL, DuckDb, etc. para análise de dados
• Geração de relatórios: conduzir pesquisas e gerar relatórios
• Perguntas e respostas: Responda a perguntas de PDFs, APIs e muito mais!
• Resumos de artigos e vídeos: resumir o conteúdo de artigos e vídeos

Usando a Ajuda

Instalação do Phidata

1. https://github.com/phidatahq/phidata
2. Certifique-se de ter o Python e o pip instalados em seu ambiente de desenvolvimento.
3. Execute o seguinte comando na ferramenta de linha de comando para instalar o Phidata:

   pip install -U phidata
   

    

Configuração do ambiente

1. Para definir variáveis de ambiente, por exemplo, ao usar a API da OpenAI, é necessário definirOPENAI_API_KEY::

   exportação OPENAI_API_KEY=sk-xxxx
   

Início rápido

Criação de um assistente de IA capaz de usar o DuckDuckGo para pesquisas na Web

1. Criação de documentosassistente.py::

   de phi.assistant importação Assistente
   de phi.tools.duckduckgo importação DuckDuckGo
   
   assistant = Assistant(tools=[DuckDuckGo()], show_tool_calls=Verdadeiro)
   assistente.print_response("O que está acontecendo na França?", markdown=Verdadeiro)
   

2. Instale a biblioteca e execute o Assistant:

   pip install openai duckduckgo-search
   python assistant.py
   

Criar um assistente que possa consultar dados financeiros

1. Criação de documentosfinance_assistant.py::

   de phi.assistant importação Assistente
   de phi.llm.openai importação OpenAIChat
   de phi.tools.yfinance importação YFinanceTools
   
   assistant = Assistant(
       llm=OpenAIChat(model="gpt-4o"),
       tools=[YFinanceTools(stock_price=Verdadeiro, analyst_recommendations=Verdadeiro, company_info=Verdadeiro, company_news=Verdadeiro)]
       show_tool_calls=Verdadeiro,
       markdown=Verdadeiro)
   )
   assistant.print_response("Qual é o preço das ações da NVDA?")
   assistente.print_response("Escreva uma comparação entre a NVDA e a AMD, use todas as ferramentas disponíveis.")
   

2. Instale a biblioteca e execute o Assistant:

   pip install yfinance
   python finance_assistant.py
   

Aplicativos avançados

O PhiData não é adequado apenas para a criação de assistentes básicos de IA, mas também tem uma gama de recursos avançados, incluindo geração de modelos de dados, análise de dados SQL e execução de código Python. Aqui estão alguns exemplos de recursos avançados:

Ajudantes para escrever e executar código Python

1. Criação de documentospython_assistant.py::

   de phi.assistant.python importação PythonAssistant
   
   assistant = PythonAssistant()
   assistant.print_response("Escreva um script Python para calcular a sequência de Fibonacci.")
   

2. Instale a biblioteca e execute o Assistant:

   pip install openai
   python python_assistant.py
   

Com as etapas acima, você pode começar rapidamente e criar seu próprio assistente de IA inteligente que aproveita ao máximo o poder do PhiData.

Por que phidata

Pergunta:A LLM tem um histórico limitado para tomar medidas.
Solução:Adicione memórias, conhecimento e ferramentas.

Memória:combinandoHistórico do bate-papoArmazenado em um banco de dados, ele permite que o LLM se envolva em um diálogo de longo prazo.
Conhecimento:Ao armazenar as informações em um banco de dados vetorial, o LLM fornece aContexto operacional.
Ferramentas:Permite que os LLMs obtenham dados de APIs, enviem e-mails ou consultem bancos de dados, etc.equipamento.

Memória e conhecimento fazem o LLMMais inteligente.E as ferramentas as tornamautonomia.

Como isso funciona?

Etapa 1:Criando um `Assistente`
Etapa 2:Adição de ferramentas (funções), conhecimento (vectordb) e armazenamento (banco de dados)
Etapa 3:Crie seus aplicativos de IA com Streamlit, FastApi ou Django!

exemplos

1. criar um ambiente virtual

Abra o `Terminal` e crie um ambiente virtual python.

python3 -m venv ~/.venvs/aienv
fonte ~/.venvs/aienv/bin/activate

2. instalar o phidata

pip install -U phidata

3. criar um assistente

O `assistant.py` cria um arquivo usando um assistente que pode pesquisar na Web usando o DuckDuckGo.

from phi.assistant.import Assistente
de phi.tools.duckduckgo import DuckDuckGo

assistant = Assistant(tools=[DuckDuckGo()], show_tool_calls=True)
assistant.print_response("O que está acontecendo na França?", markdown=True)

4) Executar o assistente

Use o auxiliar `OpenAI` por padrão. Defina sua `OPENAI_API_KEY` (que você pode obter em [Aqui estãoObter um).

exportar OPENAI_API_KEY=sk-***

Instale o `openai` e o `duckduckgo`.

pip install openai duckduckgo-search

Assistente de execução

python assistant.py

demonstrações

Veja os seguintes aplicativos de IA criados com a phidata:

[PDF AIFaça um resumo e responda às perguntas do PDF.
[ArXiv AI...] use a API do ArXiv para responder a perguntas sobre os artigos do ArXiv.
[HackerNews IAResuma histórias, usuários e compartilhe as últimas notícias do HackerNews.