Dalam tutorial ini, kami akan membina perancang tugas dikuasakan AI menggunakan ClientAI dan Ollama. Perancang kami akan memecahkan matlamat kepada tugas yang boleh diambil tindakan, mencipta garis masa yang realistik dan mengurus sumber — semua ini dijalankan dalam mesin anda sendiri.
Perancang tugas kami akan mampu:
Untuk dokumen ClientAI lihat di sini dan untuk Github Repo, di sini.
Pertama, buat direktori baharu untuk projek anda:
mkdir local_task_planner cd local_task_planner
Pasang ClientAI dengan sokongan Ollama:
pip install clientai[ollama]
Pastikan anda telah memasang Ollama pada sistem anda. Anda boleh mendapatkannya dari tapak web Ollama.
Buat fail Python utama kami:
touch task_planner.py
Mari mulakan dengan import teras kami:
from datetime import datetime, timedelta from typing import Dict, List import logging from clientai import ClientAI from clientai.agent import create_agent, tool from clientai.ollama import OllamaManager logger = logging.getLogger(__name__)
Setiap komponen memainkan peranan penting:
Pertama, mari buat kelas TaskPlanner kami yang akan mengurus interaksi AI:
class TaskPlanner: """A local task planning system using Ollama.""" def __init__(self): """Initialize the task planner with Ollama.""" self.manager = OllamaManager() self.client = None self.planner = None def start(self): """Start the Ollama server and initialize the client.""" self.manager.start() self.client = ClientAI("ollama", host="http://localhost:11434") self.planner = create_agent( client=self.client, role="task planner", system_prompt="""You are a practical task planner. Break down goals into specific, actionable tasks with realistic time estimates and resource needs. Use the tools provided to validate timelines and format plans properly.""", model="llama3", step="think", tools=[validate_timeline, format_plan], tool_confidence=0.8, stream=True, )
Kelas ini berfungsi sebagai asas kami. Ia menguruskan kitaran hayat pelayan Ollama, mencipta dan mengkonfigurasi klien AI kami dan menyediakan ejen perancangan kami dengan keupayaan khusus.
Sekarang mari kita bina alat yang akan digunakan oleh AI kita. Pertama, pengesah garis masa:
@tool(name="validate_timeline") def validate_timeline(tasks: Dict[str, int]) -> Dict[str, dict]: """ Validate time estimates and create a realistic timeline. Args: tasks: Dictionary of task names and estimated hours Returns: Dictionary with start dates and deadlines """ try: current_date = datetime.now() timeline = {} accumulated_hours = 0 for task, hours in tasks.items(): try: hours_int = int(float(str(hours))) if hours_int <= 0: logger.warning(f"Skipping task {task}: Invalid hours value {hours}") continue days_needed = hours_int / 6 start_date = current_date + timedelta(hours=accumulated_hours) end_date = start_date + timedelta(days=days_needed) timeline[task] = { "start": start_date.strftime("%Y-%m-%d"), "end": end_date.strftime("%Y-%m-%d"), "hours": hours_int, } accumulated_hours += hours_int except (ValueError, TypeError) as e: logger.warning(f"Skipping task {task}: Invalid hours value {hours} - {e}") continue return timeline except Exception as e: logger.error(f"Error validating timeline: {str(e)}") return {}
Pengesah ini menukar anggaran masa kepada hari bekerja, mengendalikan input yang tidak sah dengan anggun, mencipta penjadualan berurutan yang realistik dan menyediakan pengelogan terperinci untuk penyahpepijatan.
Seterusnya, mari buat pemformat pelan kami:
@tool(name="format_plan") def format_plan( tasks: List[str], timeline: Dict[str, dict], resources: List[str] ) -> str: """ Format the plan in a clear, structured way. Args: tasks: List of tasks timeline: Timeline from validate_timeline resources: List of required resources Returns: Formatted plan as a string """ try: plan = "== Project Plan ==\n\n" plan += "Tasks and Timeline:\n" for i, task in enumerate(tasks, 1): if task in timeline: t = timeline[task] plan += f"\n{i}. {task}\n" plan += f" Start: {t['start']}\n" plan += f" End: {t['end']}\n" plan += f" Estimated Hours: {t['hours']}\n" plan += "\nRequired Resources:\n" for resource in resources: plan += f"- {resource}\n" return plan except Exception as e: logger.error(f"Error formatting plan: {str(e)}") return "Error: Unable to format plan"
Di sini kami ingin mencipta output yang konsisten dan boleh dibaca dengan penomboran tugas yang betul dan garis masa yang teratur.
Mari kita cipta antara muka mesra pengguna untuk perancang kami:
def get_plan(self, goal: str) -> str: """ Generate a plan for the given goal. Args: goal: The goal to plan for Returns: A formatted plan string """ if not self.planner: raise RuntimeError("Planner not initialized. Call start() first.") return self.planner.run(goal) def main(): planner = TaskPlanner() try: print("Task Planner (Local AI)") print("Enter your goal, and I'll create a practical, timeline-based plan.") print("Type 'quit' to exit.") planner.start() while True: print("\n" + "=" * 50 + "\n") goal = input("Enter your goal: ") if goal.lower() == "quit": break try: plan = planner.get_plan(goal) print("\nYour Plan:\n") for chunk in plan: print(chunk, end="", flush=True) except Exception as e: print(f"Error: {str(e)}") finally: planner.stop() if __name__ == "__main__": main()
Antara muka kami menyediakan:
Berikut ialah perkara yang anda akan lihat apabila anda menjalankan perancang:
Task Planner (Local AI) Enter your goal, and I'll create a practical, timeline-based plan. Type 'quit' to exit. ================================================== Enter your goal: Create a personal portfolio website Your Plan: == Project Plan == Tasks and Timeline: 1. Requirements Analysis and Planning Start: 2024-12-08 End: 2024-12-09 Estimated Hours: 6 2. Design and Wireframing Start: 2024-12-09 End: 2024-12-11 Estimated Hours: 12 3. Content Creation Start: 2024-12-11 End: 2024-12-12 Estimated Hours: 8 4. Development Start: 2024-12-12 End: 2024-12-15 Estimated Hours: 20 Required Resources: - Design software (e.g., Figma) - Text editor or IDE - Web hosting service - Version control system
Pertimbangkan peningkatan ini untuk perancang tugas anda sendiri:
Untuk melihat lebih lanjut tentang ClientAI, pergi ke dokumen.
Jika anda mempunyai sebarang soalan tentang tutorial ini atau ingin berkongsi peningkatan anda pada perancang tugas, sila hubungi:
Atas ialah kandungan terperinci Membina Perancang Tugas AI Tempatan dengan ClientAI dan Ollama. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!