大数跨境

探索 ThinkGPT:将 AI 转变为强大思维机器的尖端 Python 库

探索 ThinkGPT:将 AI 转变为强大思维机器的尖端 Python 库 Python程序员
2023-04-26
0
导读:ThinkGPT 是一个创新的 Python 库,它增强了大型语言模型的功能,使它们能够更有效地思考、推理和


ThinkGPT 是一个创新的 Python 库,它增强了大型语言模型的功能,使它们能够更有效地思考、推理和采取行动。如果您渴望将 ThinkGPT 集成到您的 Python 脚本中并利用其高级功能,那么您来对地方了!在本博客部分中,我们将指导您完成在 Python 项目中使用 ThinkGPT 的第一步。


我们将在下文中探讨 ThinkGPT 的核心功能,包括其高级记忆能力、自我完善机制和高阶推理技能。您将能够发现这个创新库如何改变人工智能开发的格局,并学习如何利用其功能来增强您自己的项目。所以,和我一起踏上这段迷人的旅程,深入 ThinkGPT 的世界并发掘它的潜力!


ThinkGPT托管在GitHub上。存储库可在以下位置找到: https://github.com/alaeddine-13/thinkgpt


ThinkGPT 的主要特点

  1. 记忆:ThinkGPT 使大型语言模型 (LLM) 能够记住经验并学习新概念。

  2. 自我细化:此功能允许模型通过解决错误、修复问题和完善其理解来改进生成的内容。

  3. 抽象:鼓励LLM从示例或观察中概括规则,帮助创建更适合模型有限上下文长度的知识概括。

  4. 推理:使LLM能够根据可用信息进行有根据的猜测。

  5. 自然语言条件:用户可以轻松地用自然语言表达任务和条件,使模型能够做出明智的决策。

  6. 易于设置和Pythonic API:感谢DocArray,ThinkGPT提供了极其简单的设置过程和Pythonic API。


安装


安装 ThinkGPT 很简单,可以使用 pip 完成:

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

此命令将直接从其 GitHub 存储库安装 ThinkGPT 库。


在 Python 脚本中使用 ThinkGPT 的第一步


安装完成后,您可以在 Python 脚本中开始使用 ThinkGPT。为此,只需从模块thinkgpt.llm导入ThinkGPT类并创建该类的新实例:

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

此代码片段使用指定的模型初始化一个新实例,在本例中为“gpt-3.5-turbo”。ThinkGPT

创建 ThinkGPT 实例后,您现在可以使用以下方法向 AI 模型传授新概念或事实:memorize()

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

要回忆记忆的信息,您可以使用以下方法:remember()

memory = llm.remember('DocArray definition')


一旦你的人工智能模型学会了一些信息,你就可以使用该方法根据记忆的数据进行预测或回答问题:predict()

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


此代码片段使用remember()方法检索记忆的信息,并将其提供给predict()方法以回答问题。


实例


ThinkGPT 附带了一些易于理解的示例用例。相应的 Python 脚本可以在存储库的示例文件夹中找到:


让我们更深入地看一下提供的示例之一: replay_expand_memory.py:

from thinkgpt.llm import ThinkGPTllm = ThinkGPT(model_name="gpt-3.5-turbo")# Load old memoryold_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"]# Teach the LLM the old memoryllm.memorize(old_memory)# Induce reflections based on the old memorynew_observations = llm.infer(facts=llm.remember())print('new thoughts:')print('\n'.join(new_observations))llm.memorize(new_observations)

在此 ThinkGPT 示例脚本中,目标是使用 ThinkGPT 库根据有关 Klaus Mueller 的现有信息诱导新的反射或观察。

  1. 首先,脚本从ThinkGPT模块导入类thinkgpt.llm。

  2. 创建一个新ThinkGPT实例并使用“gpt-3.5-turbo”模型进行初始化。

  3. old_memory变量被定义,包含三个关于克劳斯·穆勒的陈述,代表先前的知识。

  4. memorize()方法用于向大型语言模型 (LLM) 传授存储在 old_memory 中的信息。

  5. 调用infer()方法时,将facts参数设置为remember()方法的结果。这指示LLM根据先前记忆的信息诱导新的观察或反思。

  6. 新诱导的观察结果以“新思想:”标签打印到控制台上。

  7. 最后,再次调用memorize()方法以将新的观察结果存储在LLM的内存中,使其能够在未来的交互中建立对Klaus Mueller的理解。


在我们准备好执行脚本并查看结果之前,我们需要检索 OpenAI API 密钥并使用检索到的密钥值设置相应的环境变量OPENAI_API_KEY。


要获取 OpenAI API 密钥,请按照以下简单步骤操作:

  1. 访问OpenAI网站 https://www.openai.com/。

  2. 如果您没有帐户,请注册一个帐户。单击主页右上角的“注册”,然后按照注册过程进行操作。

  3. 注册或登录后,通过单击页面顶部的“API”或访问 https://www.openai.com/api/ 导航到 API 部分。

  4. 检查可用的 API 定价计划并选择适合您需求的计划。有些计划可能会提供有限使用的免费访问,而其他计划则根据您的要求和预算提供不同级别的访问。

  5. 选择计划后,您将获得唯一的API密钥。确保其安全,因为它会授予对您账户的使用权限和对 API 的访问权限。


在命令上,使用以下命令设置 OpenAI API 密钥:

export OPENAI_API_KEY="YOUR OPENAI API KEY"


现在,我们已准备好通过键入以下内容来执行脚本:

python replay_expand_memory.py


然后,您应该能够看到类似于以下内容的结果:

结论


ThinkGPT 是一个功能强大的 Python 库,它通过添加高级内存、自我优化、抽象和推理功能来增强大型语言模型的功能。其用户友好的安装过程和Pythonic API使其成为许多AI项目的宝贵补充。通过探索此博客文章中提供的实际示例,您可以利用 ThinkGPT 的强大功能彻底改变 AI 思考、得出结论和采取行动的方式。


英文原文:https://medium.com/codingthesmartway-com-blog/discover-thinkgpt-the-cutting-edge-python-library-that-transforms-ai-into-a-powerful-thinking-c7e588bd28b4

译者:诗书塞外


时刻跟踪Python与AI的最新动态,欢迎关注Python程序员


【声明】内容源于网络
0
0
Python程序员
1234
内容 2525
粉丝 0
Python程序员 1234
总阅读0
粉丝0
内容2.5k