Entdecken Sie ThinkGPT: die hochmoderne Python-Bibliothek, die KI in leistungsstarke Denkmaschinen verwandelt

ThinkGPT ist eine innovative Python-Bibliothek, die große Sprachmodelle in die Lage versetzt, effizienter zu denken, zu argumentieren und zu handeln. Wenn Sie ThinkGPT in Ihre Python-Skripte integrieren und die erweiterten Funktionen nutzen möchten, lesen Sie bitte diesen Artikel. Dieser Artikel führt Sie durch die ersten Schritte der Verwendung von ThinkGPT in Ihrem Python-Projekt.

Wir werden die Kernfunktionen von ThinkGPT erkunden, einschließlich seiner erweiterten Speicherfunktionen, Mechanismen zur Selbstverbesserung und Fähigkeiten zum logischen Denken höherer Ordnung. Sie können entdecken, wie diese innovative Bibliothek die KI-Entwicklungslandschaft verändert, und erfahren, wie Sie ihre Leistungsfähigkeit nutzen können, um Ihre eigenen Projekte zu verbessern.

ThinkGPT wird auf GitHub gehostet. Die Codebasis finden Sie unter: https://github.com/alaeddine-13/thinkgpt.

Hauptfunktionen von ThinkGPT

1. Speicher: ThinkGPT ermöglicht es großen Sprachmodellen (LLMs), sich an Erfahrungen zu erinnern und neue Konzepte erlernen.
2. Selbstverbesserung: Mit dieser Funktion kann das Modell den generierten Inhalt verbessern, indem es auf Kritik eingeht, Probleme behebt und sein Verständnis verfeinert.
3. Abstraktion: LLM wird dazu ermutigt, Regeln aus Beispielen oder Beobachtungen zu verallgemeinern, um dabei zu helfen, komprimiertes Wissen zu schaffen, das besser zur begrenzten Kontextlänge des Modells passt.
4. Inferenz: Ermöglicht LLM, fundierte Vermutungen auf der Grundlage verfügbarer Informationen anzustellen.
5. Bedingungen in natürlicher Sprache: Benutzer können Aufgaben und Bedingungen einfach in natürlicher Sprache ausdrücken, sodass Modelle intelligente Entscheidungen treffen können.
6. Einfache Einrichtung und Pythonic-API: Dank DocArray bietet ThinkGPT einen äußerst einfachen Einrichtungsprozess und eine Pythonic-API.

Installation

Die Installation von ThinkGPT ist einfach und kann mit pip installiert werden:

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

Dieser Befehl wird direkt aus dem GitHub-Code installiert Repository ThinkGPT-Bibliothek.

Der erste Schritt zur Verwendung von ThinkGPT in Python-Skripten

Nachdem die Installation abgeschlossen ist, können Sie mit der Verwendung von ThinkGPT in Python-Skripten beginnen. Importieren Sie dazu einfach die ThinkGPT-Klasse aus dem thinkgpt.llm-Modul und erstellen Sie eine neue Instanz der Klasse:

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

Dieses Code-Snippet verwendet das angegebene Modell (in diesem Fall wurde eine neue ThinkGPT-Instanz initialisiert für „gpt-3.5-turbo“).

Mit einer ThinkGPT-Instanz können Sie jetzt die Methode memorize() verwenden, um Ihrem KI-Modell neue Konzepte oder Fakten beizubringen:

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

Um gespeicherte Informationen abzurufen, können Sie die verwenden Methode „remember()“:

memory = llm.remember('DocArray definition')

Sobald das KI-Modell einige Informationen gelernt hat, können Sie mit der Methode „predict()“ Vorhersagen treffen oder Fragen basierend auf den gespeicherten Daten beantworten:

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

this Das Code-Snippet verwendet die Methode „remember()“, um Speicherinformationen abzurufen, und gibt diese an die Methode „predict()“ zurück, um die Frage zu beantworten. ThinkGPT enthält einige leicht verständliche Anwendungsbeispiele. Das entsprechende Python-Skript finden Sie im Beispielordner der Codebasis:

Lassen Sie uns in eines der bereitgestellten Beispiele eintauchen: 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)

1. Definieren Sie die Variable old_memory, die drei Aussagen über Klaus Müller enthält, die Vorwissen darstellen.
2. Verwenden Sie die Methode memorize(), um einem großen Sprachmodell (LLM) die in old_memory gespeicherten Informationen beizubringen.
3. Rufen Sie die Methode infer() auf und setzen Sie den Parameter „facts“ auf das Ergebnis der Methode „remember()“. Dies weist LLM an, neue Beobachtungen oder Gedanken auf der Grundlage zuvor gespeicherter Informationen hervorzurufen.
4. Neu induzierte Beobachtungen werden unter dem Tag „neue Gedanken:“ an die Konsole ausgegeben.
5. Abschließend wird die Methode memorize() erneut aufgerufen, um die neuen Beobachtungen im Speicher von LLM zu speichern und so in zukünftigen Interaktionen ein Verständnis für Klaus Mueller aufzubauen.
6. Bevor wir das Skript ausführen und die Ergebnisse anzeigen, müssen wir den OpenAI-API-Schlüssel abrufen und den Schlüsselwert der entsprechenden Umgebungsvariablen OPENAI_API_KEY festlegen.
7. Um einen OpenAI-API-Schlüssel zu erhalten, befolgen Sie diese einfachen Schritte:

• 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。

Das obige ist der detaillierte Inhalt vonEntdecken Sie ThinkGPT: die hochmoderne Python-Bibliothek, die KI in leistungsstarke Denkmaschinen verwandelt. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!