阿川私房教材：學程式，拿 offer！

63 個專案實戰，直接上手！
無需補習，按步驟打造你的面試作品。

立即解鎖你的轉職秘笈

小編精選 - 技術文章翻譯 · 01月31日

我正在建立一個人工智慧專案：這是我將要使用的程式庫......

有了正確的函式庫，任何開發人員都可以在他們的應用程式中建立強大的人工智慧功能（如 Ninja 🥷）。

在此列表中，我編譯了 7 個很棒的 AI 庫，您現在可以使用它們（相對）輕鬆地發布功能。

不要忘記為這些圖書館加註星標以表達您的支持。

圖片描述

https://github.com/CopilotKit/CopilotKit

CopilotPortal ：建構應用程式原生人工智慧聊天機器人

圖片描述

應用程式內人工智慧聊天機器人助理可以「查看」您目前的應用程式狀態並在前端和後端採取操作。

一組完全可自訂的反應元件和掛鉤以及用於建立 LLM 和您的應用程式之間互動的架構。

定義useMakeCopilotReadable 、 useMakeCopilotActionable和CopilotSidebarUIProvider使其運作。

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>
  );
}

https://github.com/CopilotKit/CopilotKit

RAGxplorer - 視覺化並探索您的 RAG 文件

圖片描述

RAGxplorer 是一個 Python 工具，用於視覺化機器學習和自然語言處理中的 RAG（檢索增強生成）文件。

以互動方式探索 RAG 流程中使用的文件中的聯繫和內容。

若要設定 RAGxplorer，請在程式碼中定義 RAG 檢查點路徑並安裝指定的依賴項。

import streamlit as st
from utils.rag import build_vector_database

st.set_page_config(page_title="RAGxplorer", page_icon="🔍")
uploaded_file = st.file_uploader("Upload your PDF", type='pdf')
query = st.text_input("Enter your query")
search = st.button("Search")
top_k = st.number_input("Number of Chunks", value=5, min_value=1)
st.session_state["chroma"] = build_vector_database(uploaded_file, ...)
st.session_state['retrieved_id'] = query_chroma(...)
plot_embeddings(...)

https://github.com/gabrielchua/RAGxplorer

Tavily GPT 研究員- 獲得法學碩士以搜尋網路和資料庫

圖片描述

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"]
            }
        }
    }]
)

https://github.com/assafelovic/gpt-researcher

Pezzo.ai - 開發者優先的 LLMOps 平台

圖片描述

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);

https://github.com/pezzolabs/pezzo

DeepEval - 評估 LLM、RAG 和微調性能

圖片描述

DeepEval 是一個開源框架，透過將評估視為單元測試來簡化法學碩士的評估。

它提供了評估 LLM 輸出的各種指標，其模組化設計允許開發人員定制他們的評估流程

要使用它，您需要安裝該程式庫、編寫測試案例並執行這些用例來評估您的 LLM 的效能。

Pytest Integration: 

from deepeval import assert_test
from deepeval.metrics import HallucinationMetric
from deepeval.test_case import LLMTestCase

test_case = LLMTestCase(
 input="How many evaluation metrics does DeepEval offers?",
 actual_output="14+ evaluation metrics",
 context=["DeepEval offers 14+ evaluation metrics"]
)
metric = HallucinationMetric(minimum_score=0.7)

def test_hallucination():
  assert_test(test_case, [metric])

https://github.com/confident-ai/deepeval

CopilotTextarea - React 應用程式中的 AI 驅動寫作

圖片描述

具有 Github CopilotX 功能的任何 React <textarea>的直接替代品。

自動完成、插入、編輯。

可以即時或由開發人員提前提供任何上下文。

import { CopilotTextarea } from "@copilotkit/react-textarea";
import { CopilotProvider } from "@copilotkit/react-core";

// Provide context...
useMakeCopilotReadable(...)

// in your component...
<CopilotProvider>
    <CopilotTextarea/>
</CopilotProvider>`

https://github.com/RecursivelyAI/CopilotKit