Terokai ThinkGPT: perpustakaan Python termaju yang menjadikan AI menjadi mesin pemikiran yang berkuasa

ThinkGPT ialah perpustakaan Python inovatif yang memperkasakan model bahasa yang besar supaya mereka boleh berfikir, menaakul dan bertindak dengan lebih cekap. Jika anda tidak sabar-sabar untuk menyepadukan ThinkGPT ke dalam skrip Python anda dan memanfaatkan ciri lanjutannya, maka sila baca artikel ini. Artikel ini akan membimbing anda melalui langkah pertama menggunakan ThinkGPT dalam projek Python anda.

Kami akan meneroka ciri teras ThinkGPT, termasuk keupayaan ingatan lanjutan, mekanisme peningkatan diri dan keupayaan penaakulan peringkat tinggi. Anda akan dapat mengetahui cara perpustakaan inovatif ini mengubah landskap pembangunan AI, dan mempelajari cara memanfaatkan kuasanya untuk meningkatkan projek anda sendiri.

ThinkGPT dihoskan pada GitHub. Pangkalan kod boleh didapati di: https://github.com/alaeddine-13/thinkgpt.

Ciri Utama ThinkGPT

1. Memori: ThinkGPT membolehkan Model Bahasa Besar (LLM) mengingati pengalaman dan mempelajari konsep baharu.
2. Pembaikan Diri: Ciri ini membolehkan model memperbaik kandungan yang dijana dengan menangani kritikan, membetulkan isu dan memperhalusi pemahamannya.
3. Abstraksi: LLM digalakkan untuk membuat generalisasi peraturan daripada contoh atau pemerhatian, membantu mencipta pengetahuan mampat yang lebih sesuai dengan panjang konteks model yang terhad.
4. Inferens: Membolehkan LLM membuat tekaan berpendidikan berdasarkan maklumat yang tersedia.
5. Keadaan Bahasa Asli: Pengguna boleh menyatakan tugas dan syarat dengan mudah dalam bahasa semula jadi, membolehkan model membuat keputusan yang bijak.
6. Persediaan mudah dan API Pythonic: Terima kasih kepada DocArray, ThinkGPT menawarkan proses persediaan yang sangat mudah dan API Pythonic.

Pemasangan

Memasang ThinkGPT adalah mudah dan boleh dipasang menggunakan pip:

pip install git+https://github.com/alaeddine-13/thinkgpt.git

Arahan ini akan memasang perpustakaan ThinkGPT terus daripada repositori kod GitHub.

Langkah pertama untuk menggunakan ThinkGPT dalam skrip Python

Selepas pemasangan selesai, anda boleh mula menggunakan ThinkGPT dalam skrip Python. Untuk melakukan ini, hanya import kelas ThinkGPT daripada modul thinkgpt.llm dan buat contoh baharu kelas:

from thinkgpt.llm import ThinkGPT llm = ThinkGPT(model_name="gpt-3.5-turbo")

Coretan kod ini menggunakan model yang ditentukan (dalam kes ini " gpt-3.5-turbo") memulakan kejadian ThinkGPT baharu.

Dengan contoh ThinkGPT, anda kini boleh menggunakan kaedah menghafal() untuk mengajar model AI anda konsep atau fakta baharu:

llm.memorize(['DocArray is a library for representing, sending, and storing multi-modal data.'])

Untuk mengingat kembali maklumat yang dihafal, anda boleh menggunakan Kaedah remember():

memory = llm.remember('DocArray definition')

Apabila model AI telah mempelajari beberapa maklumat, anda boleh menggunakan kaedah predict() untuk membuat ramalan atau menjawab soalan berdasarkan data yang diingati:

llm.predict('what is DocArray ?', remember=memory)

Coretan kod ini menggunakan kaedah remember() untuk mendapatkan maklumat ingatan dan menyuapnya kembali kepada kaedah predict() untuk menjawab soalan.

Contoh Praktikal

ThinkGPT disertakan dengan beberapa contoh penggunaan yang mudah difahami. Skrip Python yang sepadan boleh didapati dalam folder contoh asas kod:

Mari kita selami salah satu contoh yang disediakan di sana: replay_expand_memory.py:

from thinkgpt.llm import ThinkGPT llm = ThinkGPT(model_name="gpt-3.5-turbo") # 加载旧内存 old_memory = [ "Klaus Mueller is writing a research paper", "Klaus Mueller enjoys reading a book on gentrification", "Klaus Mueller is conversing with Ayesha Khan about exercising" ] # 教给LLM旧的记忆 llm.memorize(old_memory) # 在旧记忆的基础上诱发反思 new_observations = llm.infer(facts=llm.remember()) print('new thoughts:') print('\n'.join(new_observations)) llm.memorize(new_observations)

Dalam skrip contoh ThinkGPT ini, matlamatnya adalah untuk mendorong pemikiran atau pemerhatian baharu berdasarkan maklumat sedia ada daripada Klaus Mueller menggunakan perpustakaan ThinkGPT.

1. Pertama, skrip mengimport kelas ThinkGPT daripada modul thinkgpt.llm.
2. Buat contoh ThinkGPT baharu dan mulakan dengan model "gpt-3.5-turbo".
3. Tentukan pembolehubah old_memory, yang mengandungi tiga pernyataan tentang Klaus Mueller, yang mewakili pengetahuan sebelumnya.
4. Gunakan kaedah menghafal() untuk mengajar model bahasa besar (LLM) maklumat yang disimpan dalam old_memory.
5. Panggil kaedah infer() dan tetapkan parameter fakta kepada hasil kaedah remember(). Ini mengarahkan LLM untuk mendorong pemerhatian atau pemikiran baharu berdasarkan maklumat yang dihafal sebelum ini.
6. Pemerhatian teraruh baru dikeluarkan ke konsol di bawah teg "pemikiran baharu:".
7. Akhir sekali, panggil kaedah hafal() sekali lagi untuk menyimpan pemerhatian baharu dalam ingatan LLM, membolehkannya membina pemahamannya tentang Klaus Mueller dalam interaksi masa hadapan.

Sebelum melaksanakan skrip dan melihat hasilnya, kita perlu mendapatkan kunci API OpenAI dan menetapkan nilai kunci pembolehubah persekitaran yang sepadan OPENAI_API_KEY.

Untuk mendapatkan kunci API OpenAI, ikuti langkah mudah ini:

• 请访问OpenAI网站https://www.openai.com/。
• 如果没有帐户，请注册一个帐户。在首页右上角点击“注册”，并按照注册流程操作。
• 注册或登录后，通过点击页面顶部的“API”或访问https://www.openai.com/api/来导航到API部分。
• 查看可用的API定价计划，并选择适合你需求的计划。某些计划可能提供带有有限使用的免费访问权限，而其他计划根据你的要求和预算提供不同级别的访问权限。
• 选择一个计划后，将提供你的唯一API密钥。请确保保密，因为它授予你的账户使用限制和特权的API访问权限。 在命令行中使用以下命令来设置OpenAI API密钥：

export OPENAI_API_KEY="YOUR OPENAI API KEY"

现在我们已经准备好执行脚本了，只需输入以下命令：

python replay_expand_memory.py

然后，你应该能够看到类似于以下的结果：

总结

ThinkGPT是一款强大的Python库，它通过添加先进的记忆、自我完善、抽象和推理功能，增强了大型语言模型的能力。它对用户友好的安装过程和Pythonic API使它成为许多AI项目的有价值的补充。通过探索本文提供的实际示例，你可以利用ThinkGPT的能力，彻底改变你的AI思考方式、得出结论和采取行动的方式。

Atas ialah kandungan terperinci Terokai ThinkGPT: perpustakaan Python termaju yang menjadikan AI menjadi mesin pemikiran yang berkuasa. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!