吴恩达发布的开源大模型套件aisuite,不到半天就斩获了1200+星标。
它把11家知名大模型平台集中到了一起,统一了接口,可以用相同的方式调用不同模型。
切换模型时,只需要改动一个字符串,不用在不同的API之间摸不着头脑了。
对需要在应用当中集成多个不同模型的开发者来说,这套工具可以提高不少的开发效率。
有网友评论说,aisuite可以帮他在处理多个大模型时节省超过500行的代码。
十余家模型平台,一种方式调用
不同模型的API不尽相同,缺乏统一的调用方式,是让许多应用开发者感到头疼的一大难题。
特别是当同一个应用需要调用不同模型时,模型间的切换会耗费开发者的不少精力。
所以,aisuite设计了一个统一的调用接口,不管原模型的API是什么样,都可以用相同的方式来调用。
使用时,只需要改一个字符串,把模型平台和具体名称填入,就可以调用aisuite支持的模型。
目前,aisuite一共支持OpenAI、Anthropic等11家模型平台,具体如下:
而且其中包括了拥有海量模型的Hugging Face这样的模型平台,所以aisuite实际上支持的模型更多。
搭配Streamlit等工具,还能用aisuite构建的简单聊天UI界面。
据介绍,目前aisuite套件主要关注于聊天功能,其他用例将在未来逐步扩展。
另外从GitHub的issue当中也可以得知,aisuite套件目前比较基础,像函数调用等功能正在开发之中,将很快上线。
除了模型切换方便,aisuite的安装配置过程也比较简单。
需要准备的内容包括Python环境,以及对应模型的API密钥和支持库。
首先需要通过pip安装aisuite框架,模型支持库可以在这一步进行选装。
pip install aisuite
pip install ‘aisuite[★]’
其中★处填入想安装的支持库名称,或者填all安装所有库(外侧方括号和单引号不可省略)。
此外还需要有对应模型的API密钥,可以设置为环境变量,也可以作为配置传递给aisuite中的构造函数。
One More Thing
除了吴恩达之外,开源社区对aisuite也拥有不可磨灭的贡献。
算上吴恩达本人,aisuite的贡献者一共有六人,其余五人分别是(按姓氏字母排序):
-
在线继续教育平台CLE Hero联合创始人Ryan Prinz;
-
前谷歌Chronicle Security工程主管Rohit Prsad;
-
DeepLearning.AI(吴恩达创办的在线学习平台)特殊项目负责人John Santerre;
-
在线酒水销售平台Provi高级工程师Kevin Solorio;
-
Meta生成式AI工程师、原高通高级工程师Jeff Tang。
同时,这一项目也发布了贡献指南(Contributing Guide),欢迎整个开源社区帮助推动后续的工作。
GitHub:
https://github.com/andrewyng/aisuite/pulse
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。