Explorez ThinkGPT : la bibliothèque Python de pointe qui transforme l'IA en puissantes machines à penser

ThinkGPT est une bibliothèque Python innovante qui donne accès à de grands modèles de langage afin qu'ils puissent penser, raisonner et agir plus efficacement. Si vous souhaitez intégrer ThinkGPT dans vos scripts Python et profiter de ses fonctionnalités avancées, veuillez lire cet article. Cet article vous guidera à travers les premières étapes d'utilisation de ThinkGPT dans votre projet Python.

Nous explorerons les fonctionnalités principales de ThinkGPT, y compris ses capacités de mémoire avancées, ses mécanismes d'auto-amélioration et ses capacités de raisonnement d'ordre élevé. Vous pourrez découvrir comment cette bibliothèque innovante change le paysage du développement de l'IA et apprendre à exploiter sa puissance pour améliorer vos propres projets.

ThinkGPT est hébergé sur GitHub. La base de code peut être trouvée à l'adresse : https://github.com/alaeddine-13/thinkgpt.

Principales fonctionnalités de ThinkGPT

1. Mémoire : ThinkGPT permet aux grands modèles de langage (LLM) de mémoriser les expériences et apprendre de nouvelles notions.
2. Auto-amélioration : Cette fonctionnalité permet au modèle d'améliorer le contenu généré en répondant aux critiques, en résolvant les problèmes et en affinant sa compréhension.
3. Abstraction : LLM est encouragé à généraliser les règles à partir d'exemples ou d'observations, aidant ainsi à créer des connaissances compressées qui correspondent mieux à la longueur limitée du contexte du modèle.
4. Inférence : permet à LLM de faire des suppositions éclairées sur la base des informations disponibles.
5. Conditions du langage naturel : les utilisateurs peuvent facilement exprimer des tâches et des conditions en langage naturel, permettant aux modèles de prendre des décisions intelligentes.
6. Installation facile et API Pythonique : Grâce à DocArray, ThinkGPT propose un processus de configuration extrêmement simple et une API Pythonique.

Installation

L'installation de ThinkGPT est simple et peut être installée à l'aide de pip :

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

Cette commande s'installera directement à partir du code GitHub bibliothèque de référentiel ThinkGPT.

La première étape de l'utilisation de ThinkGPT dans les scripts Python

Une fois l'installation terminée, vous pouvez commencer à utiliser ThinkGPT dans les scripts Python. Pour ce faire, importez simplement la classe ThinkGPT depuis le module thinkgpt.llm et créez une nouvelle instance de la classe :

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

Cet extrait de code utilise le modèle spécifié (dans ce cas, initialisez une nouvelle instance ThinkGPT pour "gpt-3.5-turbo").

Avec une instance ThinkGPT, vous pouvez désormais utiliser la méthode memorize() pour enseigner de nouveaux concepts ou faits à votre modèle d'IA :

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

Pour rappeler des informations mémorisées, vous pouvez utiliser le Méthode Remember() :

memory = llm.remember('DocArray definition')

Une fois que le modèle d'IA a appris certaines informations, vous pouvez utiliser la méthode prédire() pour faire des prédictions ou répondre à des questions basées sur les données mémorisées :

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

this L'extrait de code utilise la méthode Remember() pour récupérer les informations de mémoire et les renvoie à la méthode Predict() pour répondre à la question. ThinkGPT est livré avec des exemples d'utilisation faciles à comprendre. Le script Python correspondant se trouve dans le dossier exemple de la base de code :

Plongeons dans l'un des exemples fournis : 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. Définissez la variable old_memory, qui contient trois déclarations sur Klaus Mueller, représentant les connaissances antérieures.
2. Utilisez la méthode memorize() pour enseigner à un grand modèle de langage (LLM) les informations stockées dans old_memory.
3. Appelez la méthode infer() et définissez le paramètre faits sur le résultat de la méthode Remember(). Cela demande à LLM d'induire de nouvelles observations ou pensées basées sur des informations précédemment mémorisées.
4. Les observations nouvellement induites sont envoyées à la console sous la balise « nouvelles pensées : ».
5. Enfin, la méthode memorize() est à nouveau appelée pour stocker les nouvelles observations dans la mémoire de LLM, lui permettant ainsi de mieux comprendre Klaus Mueller lors des interactions futures.
6. Avant d'exécuter le script et de visualiser les résultats, nous devons obtenir la clé API OpenAI et définir la valeur clé de la variable d'environnement correspondante OPENAI_API_KEY.
7. Pour obtenir une clé API OpenAI, suivez ces étapes simples :

• 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。

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!