בחלק זה, נחקור כיצד לבנות מערכות AI אוטונומיות מורכבות בעלות זיכרון ארוך טווח, ידע הקשרי וביכולת לבצע פעולות באמצעות קריאת פונקציות. נשתמש במסגרת Fi-data, אשר מספקת דרך עוצמתית ליצירת עזרה אוטונומית לבינה מלאכותית עם קריאת פונקציות.

ראשית, נייצר עוזר בסיסי ללא כלים כלשהם. עוזר זה ישתמש במודל GPT-4, שהוא אחד המודלים הטובים ביותר בשוק כרגע. לאחר מכן, נוסיף פונקציונליות נוספת לעוזר, כגון היכולת לחפש באינטרנט באמצעות הכלי Duco.

לאחר מכן, נבנה עוזר פיננסי שיוכל לגשת לכלים שונים כמו Yahoo Finance כדי להשיג מחירי מניות, המלצות, מידע על חברות וחדשות. לאחר מכן, נדגים כיצד לבנות את הכלים המותאמים אישית שלך, תוך שימוש בממשק Hacker News API כדוגמה.

לבסוף, נחקור עוזרים מורכבים יותר, כמו עוזר ניתוח נתונים שיכול להשתמש ב-DuckDB כדי לנתח נתונים בקבצי CSV ו-Parquet, ועוזר מחקר שיכול להשתמש ב-Exa כדי לחפש באינטרנט ולייצר דוח בפורמט מוגדר.

לאורך התהליך, נדגיש את החשיבות של קיצור והתמקדות, וידאו שהתוכן קל להבנה וליישום. הקוד לדוגמאות אלה ניתן למצוא במאגר Fi-data, והשלבים להגדרת הסביבה מפורטים בקובץ README.

כדי לבנות עוזר בסיסי, עלינו תחילה לייבא את הרכיבים הנחוצים מהספרייה fidata. נשתמש בכיתת LLMAssistant כדי ליצור את העוזר שלנו.

from fidata.assistants.llm_assistant import LLMAssistant
from fidata.llms.openai import OpenAIChat

לאחר מכן, נייצר עותק של כיתת LLMAssistant, ונעביר את מודל השפה GPT-4 של OpenAI כפרמטר llm.

assistant = LLMAssistant(llm=OpenAIChat(model_name="gpt-4"))

עכשיו, נוכל להגדיר את התיאור והוראות לעוזר שלנו. אלה ישמשו להגדרת הפרומפט המערכתי למודל השפה.

description = "אתה עוזר מועיל שמוטל עליו לספק מתכון פשוט לארוחת בוקר."
instructions = "ספק מתכון ארוחת בוקר קצר וקולע."

לבסוף, נוכל לקרוא לשיטת run של אובייקט assistant, ולהעביר את התיאור וההוראות. זה יבצע את העוזר ויחזיר את התגובה.

response = assistant.run(description=description, instructions=instructions)
print(response)

זה יפלוט מתכון פשוט לארוחת בוקר שנוצר על ידי מודל השפה GPT-4.

כדי להוסיף פונקציונליות של חיפוש באינטרנט לעוזר ה-AI שלנו, נייבא את הכלי Duco מהמודול f_tools. כלי זה מאפשר לעוזר לחפש באינטרנט ולאחזר מידע רלוונטי.

ראשית, נוסיף את כלי Duco לעוזר שלנו:

from f_tools.duco import Duco
assistant.add_tool(Duco())

לאחר מכן, נגדיר את הפרמטר show_tool_calls ל-True כדי שנוכל לראות את קריאות הכלי המתרחשות מאחורי הקלעים.

אנו נתן לעוזר משימה לחפש חדשות מצרפת וכתוב שיר קצר עליהן:

assistant.run_task("חפש חדשות מצרפת וכתוב שיר קצר עליהן.")

כפי שאתם יכולים לראות, העוזר משתמש בכלי Duco כדי לאחזר את החדשות מצרפת, ולאחר מכן מייצר שיר קצר על בסיס המידע שאסף. זה מדגים כיצד העוזר יכול לנצל את יכולות החיפוש באינטרנט כדי לאסוף מידע ולהשתמש בו לביצוע משימות.

כדי ליצור עוזר פיננסי, נשתמש בכלי Yahoo Finance מספריית F-tools. כלי זה מספק גישה למגוון נתונים ופונקציות פיננסיים, כגון קבלת מחירי מניות, מידע על חברות, המלצות וחדשות.

ראשית, נייבא את הכלים הנחוצים:

from f_tools.yahoo_finance import YahooFinance

לאחר מכן, נייצר את עוזר הפיננסים ונוסיף את הכלים הרצויים אליו:

finance_assistant = Assistant(model=gpt4, name="Finance Assistant")
finance_assistant.add_tool(YahooFinance(
    get_stock_price=True,
    get_recommendations=True,
    get_company_info=True,
    get_company_news=True
))

בדוגמה זו, אנו מאפשרים את הפונקציות get_stock_price, get_recommendations, get_company_info ו-get_company_news מכלי Yahoo Finance.

עכשיו, נוכל לתת לעוזר משימות לביצוע, כגון קבלת מחיר המניה של חברה וכתיבת השוואה בין שתי חברות:

finance_assistant.run_task("מה מחיר המניה של Nvidia?")
finance_assistant.run_task("כתוב השוואה בין Nvidia ו-AMD באמצעות כל הכלים הזמינים.")

העוזר ישתמש בכלים שסופקו כדי לאסוף את המידע הנחוץ ולייצר תגובה מקיפה, אשר תוחזר בפורמט Markdown לקריאה טובה יותר.

עוזר הפיננסים הזה יכול להיות מותאם אישית עוד יותר על ידי הוספת כלים נוספים, התאמת תצורות הכלים או שינוי הוראות המשימה כדי להתאים לצרכים הספציפיים שלך.

אחת התכונות המפתח של מסגרת הנתונים Fi היא היכולת לבנות כלים מותאמים אישית שניתן לשלב באמצעות סוכני ה-AI שלך. זה מאפשר לך להרחיב את יכולות הסוכנים שלך מעבר לכלים המוגדרים כברירת מחדל, ולהתאים אותם לצרכים הספציפיים שלך.

בסרטון, היוצר מדגים כיצד לבנות כלי מותאם אישית לגישה אל ממשק Hacker News API. להלן כיצד זה נעשה:

1. תאר את הפונקציה שתשמש לאינטראקציה עם ה-API, כולל הפרמטרים והערכים המוחזרים.
2. הוסף את הפונקציה לעוזר Fi data, תוך מתן התיאור וציון הפרמטרים הקלט/פלט.
3. השתמש בכלי המותאם אישית במשימות העוזר, בדומה לכלים המוגדרים כברירת מחדל.

הסרטון גם מראה כיצד להפעיל מצב ניפוי באגים, המספק יומני ביצועים מפורטים של התהליכים הפנימיים של העוזר. זה יכול להיות מאוד שימושי בעת פתרון בעיות או הבנת האופן שבו הכלי המותאם אישית נעשה בו שימוש.

באופן כללי, היכולת לבנות כלים מותאמים אישית היא תכונה עוצמתית של מסגרת הנתונים Fi, המאפשרת ליצור סוכני בינה מלאכותית מיוחדים ואוטונומיים המותאמים לצרכים הספציפיים שלך.

חלק זה מדגים כיצד העוזר יכול לנצל את כלי DuckDB כדי לנתח נתונים בקבצי CSV ו-Parquet. העוזר מדגים את היכולות הבאות:

1. טוען אוטומטית את הנתונים לטבלאות כאשר הטבלאות אינן קיימות.
2. מריץ שאילתות SQL כדי לקבל את הדירוג הממוצע של הסרטונים ומייצר היסטוגרמה של הדירוגים.
3. בוחר גודל פס מתאים להיסטוגרמה על בסיס הנתונים.
4. מציג את שאילתות ה-SQL והתרשימים התוצאתיים באופן ברור וקולע.

יכולת העוזר לשלב באופן חלק את DuckDB ולהציג את תוצאות הניתוח היא עדות לעוצמת המסגרת המוצגת. חלק זה מדגיש כיצד ניתן להעצים את העוזר ביכולות ניתוח נתונים כדי להתמודד עם מגוון רחב של משימות.

העוזר מקבל משימה לכתוב דוח מחקר על נושא OpenGPT-4. הוא עוקב אחר השלבים הבאים:

1. מחפש באינטרנט באמצעות כלי Exa כדי למצוא את 10 הקישורים הרלוונטיים העליונים על OpenGPT-4.
2. קורא בקפידה את תוצאות החיפוש.
3. מכין מאמר מעוצב היטב בהתאם למבנה המבוקש:
   • תבנית ראשונית
   • דוח מפורט המכסה את הנקודות המרכזיות על OpenGPT-4
4. שומר את הדוח הסופי בקובץ Markdown בשם "news_article.md".

העוזר מדגים את יכולתו:

• לבצע מחקר באינטרנט ולאסוף מידע רלוונטי
• לסנתז את הממצאים לדוח מובנה וכתוב היטב
• לעצב את הדוח בפורמט Markdown לקריאה קלה
• לשמור את התפוקה לקובץ כפי שנדרש

זה מדגים את יכולות המחקר של העוזר, מיומנויות עיבוד השפה הטבעית, וכושר לעקוב אחר הוראות לייצור תוצר באיכות גבוהה.