Zeeland的博客

几个月来，我一直在维护这个框架，gcop 是一个智能的 AI copilot ，旨在帮助开发者撰写更好的 git commit message ，同时加速 git workflow 。

gcop 集成了 promptulate 的能力，这意味着你可以轻松集成市面上的任意模型，下面的一些实例展示了如何配置不同大模型厂商的模型名。model:在开发过程中，我深刻体会到简化工作流程的重要性。gcop 的诞生，就是为了让开发者能够更加专注于核心代码的编写，而不必被繁琐的提交消息所困扰。希望 gcop 能帮助更多的开发者提升工作效率。当然，同步分享一下上面提到的两个项目，promptulatep3g 这两个框架也是本人开发。

在 pne，你可以轻松集成各种不同类型不同框架（如LangChain，llama-index）的 tools，如网络搜索、计算器等在外部工具，下面的示例中，我们使用 LangChain 的 duckduckgo 的搜索工具，来获取明天上海的天气。此外，格式化输出是 LLM 应用开发鲁棒性的重要基础，我们希望 LLM 可以返回稳定的数据，使用 pne，你可以轻松的进行格式化输出，下面的示例中，我们使用 pydantic 的 BaseModel 封装起一个需要返回的数据结构。在这个例子中，我们使用。

通过这个项目，我们展示了如何利用Promptulate框架中的Agent进行推理，以及如何使用不同的工具来处理用户的查询。“Math Wiz”能够处理从简单的数学计算到复杂的逻辑推理问题，是一个结合了多种技术的创新示例。通过这个应用，用户可以得到快速准确的数学问题解答，同时也展示了人工智能在教育和日常生活中的潜力。对于希望深入了解或自行构建此类应用的开发者，本文提供的详细步骤和代码示例是一个宝贵的资源。此外，通过提供的GitHub链接，读者可以直接访问完整的代码，进一步探索和修改以满足特定的需求或兴趣。

Promptulate 是Cogit Lab打造的 AI Agent 应用开发框架，通过 Pythonic 的开发范式，旨在为开发者们提供一种极其简洁而高效的 Agent 应用构建体验。🛠️ Promptulate 的核心理念在于借鉴并融合开源社区的智慧，集成各种开发框架的亮点，以此降低开发门槛并统一开发者的共识。通过 Promptulate，你可以用最简洁的代码来操纵 LLM, Agent, Tool, RAG 等组件，大多数任务仅需几行代码即可轻松完成。

在LLM应用的开发中，开发者常常面临着选择合适的大型语言模型（LLM）和集成多样化工具的挑战。现在，有了库中的pne.chat()函数，这一切变得前所未有的简单。本文将介绍如何使用pne.chat()来构建强大而灵活的LLM应用。项目Github:相关官方文档pne.chat()作为一个一站式的AI对话开发解决方案，为开发者提供了前所未有的便利性和强大功能。无论是想要快速集成LLM，还是需要构建复杂的对话系统，pne.chat()都能大大降低开发难度，提高开发效率。随着未来对工具和检索方法的持续扩展，

最近在尝试将文心一言的LLM能力接入Promptulate，故写了一篇博客记录一下，是 Promptulate AI 旗下的大语言模型自动化与应用开发框架，旨在帮助开发者通过更小的成本构建行业级的大模型应用，其包含了LLM领域应用层开发的大部分常用组件，如外部工具组件、模型组件、Agent智能代理、外部数据源接入模块、数据存储模块、生命周期模块等。通过 Promptulate，你可以轻松构建起属于自己的LLM应用程序。Promptulate官网。

基础模型的出现，如大型语言模型（LLMs）GPT-4和文本到图像模型DALL-E，为各个领域带来了许多可能性。人们现在可以使用自然语言（即提示）与AI进行交流以执行任务。尽管人们可以通过聊天机器人（例如ChatGPT）使用基础模型，但聊天无论底层模型的能力如何，都不是构建可重用AI服务的生产工具。像LangChain这样的API允许基于LLM的应用程序开发，但需要相当多的编程知识，从而构成了一道障碍。

语言模型（LMs）展示了在规模上仅仅通过少量示例或文本指令就能解决新任务的非凡能力。然而，令人矛盾的是，它们在基本功能上却表现出困难，比如算术或事实查找，而更简单、更小的模型却擅长这些。在本文中，我们展示了LMs可以通过简单的API自学使用外部工具，并实现两者的最佳结合。我们引入了Toolformer，一个经过训练的模型，用于决定调用哪些API、何时调用它们、传递什么参数以及如何最好地将结果融入未来的标记预测中。这是以自监督的方式完成的，仅需要每个API的少量演示。

论文晦涩难懂看不明白怎么办？有很多论文需要看，没有那么多精力怎么办？如何快速总结记录论文的一些关键点为我所用？关于上面的几个问题，本文将会基于当前Python新兴的大语言模型开发框架来演示使用如何用两行代码快速构建上手构建一个属于自己的论文总结工具。下面展示如何使用构建属于自己的论文总结工具。上面章节说到过，

思维导图是一种非常有效的工具，它可以帮助我们更好地组织和管理思想，进而提高我们的工作和学习效率。然而，传统的手绘思维导图在制作过程中过于繁琐，使用起来也不够灵活，降低了它的实用性。而现在，我们有了一种更加高效、快速、灵活的思维导图制作工具——ChatGPT+XMind。通过大语言模型的加成，我们可以十分方便的进行定制化的思维导图生成。本文将使用当前Python新兴的大语言模型开发框架来演示使用GPT+XMind生成思维导图的效果。

在构建了【prompt-me】一个专为 Prompt Engineer设计LLM Prompt Layer框架架构之后，我发现可以构建一个更强大的LLM框架，于是在肝了几天把prompt-me完全组件化重构了之后，有了现在这个框架。是一个专为 Prompt Engineer设计LLM Prompt Layer框架，支持连续对话、对话保存、对话内容与标题总结、角色预设、使用外部工具等功能，开箱即用。通过，你可以轻松构建起属于自己的LLM应用程序。本项目重构重构重构了两次，在本人深度阅读。