3个版本
0.14.2 | 2024年5月22日 |
---|---|
0.14.1 | 2024年5月21日 |
0.14.0 | 2024年5月19日 |
#154 in 科学
每月52次下载
285KB
5K SLoC
ai-chain 🚀
ai-chain是llm-chain的分支,增加了扩展
ai-chain
是一组Rust crate,旨在帮助您创建高级LLM应用程序,如聊天机器人、代理等。作为一个全面的LLM-Ops平台,我们为云和本地托管的LLM提供了强大的支持。我们还提供了强大的提示模板和多步骤链中提示的组合支持,使LLM能够执行单步无法处理的复杂任务。我们还提供了矢量存储集成,使您的模型能够拥有长期记忆和专业知识。这使您能够构建复杂的应用程序。
路线图
变更日志 2024-05-22 0.14.4
- 修复ai-chain executor costume错误
- 添加qwen模型支持
- 其他错误修复
变更日志 2024-05-21 0.14.3
- 改进与openai兼容的api
- 添加glm llm
- 升级moonshot llm
示例 💡
为了帮助您开始,这里有一个如何使用ai-chain
的示例。您可以在存储库的示例文件夹中找到更多示例。
let exec = executor!()?;
let res = prompt!(
"You are a robot assistant for making personalized greetings",
"Make a personalized greeting for Joe"
)
.run(parameters()!, &exec)
.await?;
println!("{}", res);
➡️ 教程:开始使用ai-chain ➡️ 快速入门:根据我们的模板创建项目
特性 🌟
- 提示模板:创建可重用和易于定制的提示模板,以实现与LLM的一致和结构化交互。
- 链:构建强大的提示链,允许您逐步执行更复杂的任务,充分发挥LLM的潜力。
- ChatGPT支持:支持ChatGPT模型,并计划在未来添加OpenAI的其他模型。
- LLaMa支持:提供与LLaMa模型的无缝集成,使您能够使用Facebook的研究模型执行自然语言理解和生成任务。
- Alpaca支持:纳入对斯坦福大学Alpaca模型的支持,扩大了可用于高级AI应用的可用语言模型的范围。
llm.rs
支持:使用我们的对llm.rs
的支持,在Rust中使用llms而无需依赖C++代码。- 工具:通过提供各种工具(如运行Bash命令、执行Python脚本或执行网络搜索)来增强您的AI代理的能力,使它们能够进行更复杂和强大的交互。
- 可扩展性:设计时考虑了可扩展性,使随着生态系统的增长轻松集成额外的LLM。
- 社区驱动:我们欢迎并鼓励社区贡献以帮助改进和扩展
ai-chain
的功能。
入门 🚀
要开始使用ai-chain
,请在您的Cargo.toml
文件中将其添加为依赖项(您需要Rust 1.65.0或更高版本)
ai-chain-openai
- cargo dependencies
[dependencies]
ai-chain = "0.14.2"
ai-chain-openai = "0.14.2"
- 编码
env::set_var("OPENAI_API_KEY", "sk-7LVW4lfKX3ZL01Iwuz8H0oZsUaLsEuO7ri9bfRKV36NrTE1A");
let exec = executor!()?;
let res = prompt!(
"You are a robot assistant for making personalized greetings",
"Make a personalized greeting for Joe"
)
.run(parameters()!, &exec)
.await?;
println!("{}", res);
ai-chain-moonshot
- cargo dependencies
[dependencies]
ai-chain = "0.14.2"
ai-chain-moonshot = "0.14.2"
- 编码
env::set_var("OPENAI_API_KEY", "sk-7LVW4lfKX3ZL01Iwuz8H0oZsUaLsEuO7ri9bfRKV36NrTE1A");
let exec = executor!(mooonshot)?;
let res = prompt!(
"You are a robot assistant for making personalized greetings",
"Make a personalized greeting for Joe"
)
.run(parameters()!, &exec)
.await?;
println!("{}", res);
ai-chain-glm
- cargo dependencies
[dependencies]
ai-chain = "0.14.2"
ai-chain-glm = "0.14.2"
- 编码
env::set_var("OPENAI_API_KEY", "sk-7LVW4lfKX3ZL01Iwuz8H0oZsUaLsEuO7ri9bfRKV36NrTE1A");
let exec = executor!(glm)?;
let res = prompt!(
"You are a robot assistant for making personalized greetings",
"Make a personalized greeting for Joe"
)
.run(parameters()!, &exec)
.await?;
println!("{}", res);
ai-chain-qwen
- cargo dependencies
[dependencies]
ai-chain = "0.14.2"
ai-chain-qwen = "0.14.2"
- 编码
env::set_var("OPENAI_API_KEY", "sk-7LVW4lfKX3ZL01Iwuz8H0oZsUaLsEuO7ri9bfRKV36NrTE1A");
let exec = executor!(qwen)?;
let res = prompt!(
"You are a robot assistant for making personalized greetings",
"Make a personalized greeting for Joe"
)
.run(parameters()!, &exec)
.await?;
println!("{}", res);
The examples for `ai-chain-openai` or `ai-chain-moonshot` or others llms require you to set the `OPENAI_API_KEY` environment variable which you can do like this:
```bash
export OPENAI_API_KEY="sk-YOUR_OPEN_AI_KEY_HERE"
- 支持定制LLM
env::set_var("OPENAI_API_KEY", "sk-7LVW4lfKX3ZL01Iwuz8H0oZsUaLsEuO7ri9bfRKV36NrTE1A");
let exec = executor!(costume,ai_chain_qwen)?;
let res = prompt!(
"You are a robot assistant for making personalized greetings",
"Make a personalized greeting for Joe"
)
.run(parameters()!, &exec)
.await?;
println!("{}", res);
The examples for `ai-chain-openai` or `ai-chain-moonshot` or others llms require you to set the `OPENAI_API_KEY` environment variable which you can do like this:
```bash
export OPENAI_API_KEY="sk-YOUR_OPEN_AI_KEY_HERE"
贡献 🤝
我们热烈欢迎来自每个人的贡献!如果您有兴趣帮助改进ai-chain
,请查阅我们的CONTRIBUTING.md
文件以获取指南和最佳实践。
许可 📄
ai-chain
受MIT许可。
联系我们 🌐
依赖项
~31–45MB
~606K SLoC