如今,任何開發人員都可以利用人工智慧來建立強大的東西。
無需成為機器學習專家。
這裡有 7 個最好的庫,您可以使用它來增強您的開發並透過最先進的 AI 功能給用戶留下深刻的印象。
這些可以為你的專案帶來神奇的力量,所以不要忘記給他們加星號並支持他們🌟
常見的法學碩士產品用例被製作成簡單且可自訂的反應元件。
具有兩個元件:
CopilotPortal:加入可以在您的應用程式內回答問題並採取行動的法學碩士!
CopilotTextarea:任何具有 Github Copilot 功能的 <textarea/> 的直接替代品。
import "@copilotkit/react-ui/styles.css";
import { CopilotProvider } from "@copilotkit/react-core";
import { CopilotSidebarUIProvider } from "@copilotkit/react-ui";
export default function App(): JSX.Element {
return (
<CopilotProvider chatApiEndpoint="/api/copilotkit/chat">
<CopilotSidebarUIProvider>
<YourContent />
</CopilotSidebarUIProvider>
</CopilotProvider>
);
}
{% cta https://github.com/RecursivelyAI/CopilotKit %} Star CopilotKit ⭐️ {% endcta %}
Tavilly 可讓您將 GPT 支援的研究和內容產生工具新增至您的 React 應用程式中,從而增強其資料處理和內容建立功能。
# Create an assistant
assistant = client.beta.assistants.create(
instructions=assistant_prompt_instruction,
model="gpt-4-1106-preview",
tools=[{
"type": "function",
"function": {
"name": "tavily_search",
"description": "Get information on recent events from the web.",
"parameters": {
"type": "object",
"properties": {
"query": {"type": "string", "description": "The search query to use. For example: 'Latest news on Nvidia stock performance'"},
},
"required": ["query"]
}
}
}]
)
{% cta https://github.com/assafelovic/gpt-researcher %} 明星塔維利 ⭐️ {% endcta %}
用於管理 OpenAI 通話的集中平台。
優化您的提示和令牌使用。追蹤您的人工智慧使用情況。
免費且易於整合。
const prompt = await pezzo.getPrompt("AnalyzeSentiment");
const response = await openai.chat.completions.create(prompt);
{% cta https://github.com/pezzolabs/pezzo %} 明星 Pezzo ⭐️ {% endcta %}
易於使用的 API 和函式庫,用於將 LLM 新增到應用程式中。
將不同的人工智慧元件和模型連接在一起。
輕鬆嵌入上下文和語義資料以實現強大的整合。
from langchain.llms import OpenAI
from langchain import PromptTemplate
llm = OpenAI(model_name="text-davinci-003", openai_api_key="YourAPIKey") # Notice "food" below, that is a placeholder for another value later
template = """ I really want to eat {food}. How much should I eat? Respond in one short sentence """
prompt = PromptTemplate(
input_variables=["food"],
template=template,
)
final_prompt = prompt.format(food="Chicken")
print(f"Final Prompt: {final_prompt}")
print("-----------")
print(f"LLM Output: {llm(final_prompt)}")
{% cta https://github.com/langchain-ai/langchain %} 星朗鏈 ⭐️ {% endcta %}
Weaviate 是一個針對大型資料集快速、高效搜尋而最佳化的向量資料庫。
它支援與 OpenAI 和 Hugging Face 等提供者的 AI 模型和服務集成,從而實現資料分類和自然語言處理等高級任務。
它是一種雲端原生解決方案,具有高度可擴展性,可以滿足不斷變化的資料需求。
import weaviate
import json
client = weaviate.Client(
embedded_options=weaviate.embedded.EmbeddedOptions(),
)
uuid = client.data_object.create({
})
obj = client.data_object.get_by_id(uuid, class_name='MyClass')
print(json.dumps(obj, indent=2))
{% cta https://github.com/weaviate/weaviate
%} 星織 ⭐️ {% endcta %}
PrivateGPT 允許在應用程式內進行安全的、GPT 驅動的文件交互,確保資料隱私並增強上下文感知處理能力。
PrivateGPT 透過本地處理和儲存文件和上下文來確保隱私,而無需將資料傳送到外部伺服器。
from privategpt import PrivateGPT, DocumentIngestion, ChatCompletion
client = PrivateGPT(api_key='your_api_key')
def process_documents_and_chat(query, documents):
ingestion_result = DocumentIngestion(client, documents)
chat_result = ChatCompletion(client, query, context=ingestion_result.context)
return chat_result
documents = ['doc1.txt', 'doc2.txt']
query = "What is the summary of the documents?"
result = process_documents_and_chat(query, documents)
print(result)
{% cta https://github.com/weaviate/weaviate
%} 星織 ⭐️ {% endcta %}
LLM 支援的搜尋、摘要和輸出。
同時搜尋多個內容來源並產生整合輸出。
功能強大,可自訂各種資料來源的應用程式內整合。
{% cta https://github.com/swirlai/swirl-search
%} 星旋搜尋 ⭐️ {% endcta %}
謝謝閱讀!
我希望這些可以幫助您使用人工智慧建立一些很棒的東西。
如果您喜歡並評論您想看到的任何其他庫或主題,請按讚。
原文出處:https://dev.to/copilotkit/7-ai-libraries-every-dev-needs-to-know-to-be-a-wiz-4lim