7 ابزار منبع باز شما برای تسلط بر توسعه AI به عنوان یک مبتدی نیاز دارید 🧙♂

هوش مصنوعی در حال خوردن نرم افزار است و برای آماده بودن هوش مصنوعی می تواند در زمان های آینده لبه بهتری به شما بدهد. شما می توانید وارد شرکت های نوظهور جدید شوید یا برنامه های Edge Edge را بسازید.
با این حال ، تصمیم گیری در مورد ابزارهای ساخت برنامه های شما می تواند چالش برانگیز باشد. باید در باشد
- توسعه فعال
- جامعه بزرگ
- حمایت عالی
بنابراین ، من لیستی از ابزارهایی را تهیه کرده ام که می تواند سفر پیشرفته AI شما را صاف و پاداش دهنده کند.
1. Composio 👑 – یک ابزار جامع برای ساخت عوامل AI آماده تولید
من با ادغام Github و Linear با نماینده خود برای تبدیل بلیط برای جلب درخواست ها ، تلاش می کردم ، بیش از حد به طول انجامید ، من یک راه حل ساده می خواستم و آهنگسازی تنها کسی است که از آن ایستاده است. این کشور بیش از 250 چنین ادغام دارد و از Langchain ، Llamaindex و تمام آن چارچوب ها پشتیبانی می کند.
شروع با آن بسیار آسان است.
npm install composio-core openai
حساب GitHub خود را وصل کنید
import { Composio } from "composio-core";
const client = new Composio({ apiKey: " " });
const entity = await client.getEntity("Jessica");
const connection = await entity.initiateConnection({appName: 'github'});
console.log(`Open this URL to authenticate: ${connection.redirectUrl}`);
Initialize Composio and OpenAI
import { OpenAI } from "openai";
import { OpenAIToolSet } from "composio-core";
const openai_client = new OpenAI();
const composio_toolset = new OpenAIToolSet();
Fetch GitHub actions and pass them to the LLM
const tools = await composio_toolset.getTools({
actions: ["github_star_a_repository_for_the_authenticated_user"]
});
const instruction = "Star the repo composiohq/composio on GitHub";
const response = await openai_client.chat.completions.create({
model: "gpt-4o",
messages: [{ role: "user", content: instruction }],
tools: tools,
tool_choice: "auto",
});
Execute the tool calls.
const result = await composio_toolset.handleToolCall(response);
console.log(result);
این مستندات اطلاعات بیشتری در مورد کامپوزیو ، کار آن و مفاهیم مهم برای تهیه عوامل آماده تولید ارائه می دهد.
با Composio ، می توانید در حالی که از پیچیدگی ادغام ابزار و امنیت استفاده می کند ، روی ایجاد تجربیات عالی AI تمرکز کنید.
مخزن کامپوزیو را ستاره کنید
2. E2B-زمان اجرای منبع باز برای اجرای کد تولید شده توسط AI در ماسه های ایمن
E2B همراه معتبر AI شما برای اجرای کد است. این جعبه ماسه ای جدا شده و جدا شده را در ابر فراهم می کند که در آن کد تولید شده با AI می تواند با خیال راحت اجرا شود و از هر چارچوب LLM و متعدد AI پشتیبانی کند. ایده آل برای ساخت عوامل هوش مصنوعی که نیاز به تجزیه و تحلیل داده ها ، اجرای کد یا انجام وظایف استدلال پیچیده دارند. نصب:
npm i @e2b/code-interpreter @anthropic-ai/sdk dotenv
استفاده:
import { Sandbox } from '@e2b/sdk'
async function runCode() {
// Create a new sandbox
const sandbox = await Sandbox.create()
// Execute code in the sandbox
const result = await sandbox.run(`
const data = require('fs').readFileSync('data.csv', 'utf8')
console.log(data)
`)
// Close the sandbox when done
await sandbox.close()
}
runCode()
محیط های Sandbox E2B می توانند تا 24 ساعت کار کنند ، و آن را برای کارهای طولانی مدت AI عامل و گردش کار تجزیه و تحلیل داده های پیچیده مناسب می کند.
مخزن E2B را ستاره کنید
3. Vercel Ai SDK-AI SDK تمام پشته برای ساخت رابط های کاربر دارای هوش مصنوعی
Vercel AI SDK ساخت متن جریان با قدرت AI و UI را ساده می کند. این مجموعه ای از قلاب ها و برنامه های کاربردی را فراهم می کند که ادغام مدل های مختلف هوش مصنوعی را در برنامه های بعدی شما انجام می دهد.
npm install ai
import { useChat } from 'ai/react'
export default function Chat() {
const { messages, input, handleInputChange, handleSubmit } = useChat()
return (
<div>
<ul>
{messages.map((m, i) => (
<li key={i}>{m.content}li>
))}
ul>
<form onSubmit={handleSubmit}>
<input
value={input}
onChange={handleInputChange}
placeholder="Say something..."
/>
form>
div>
)
}
Vercel AI SDK ادغام AI را با پشتیبانی داخلی برای پخش ، محدود کردن نرخ و ارائه دهندگان مختلف هوش مصنوعی پخش می کند.
مخزن Vercel Ai SDK را ستاره کنید
4. Langgraph – ساخت و اجرای عوامل و جریان های دولتی LLM
Langgraph و Langsmith یک ابزار قدرتمند برای ایجاد گردش کار پیچیده هوش مصنوعی ارائه می دهند. این امکان را به شما می دهد تا عوامل مطبوعی را ایجاد کنید که بتوانند زمینه را حفظ کرده و وظایف استدلال چند مرحله ای را با قابلیت های نظارت و اشکال زدایی داخلی انجام دهند.
npm install langgraph langsmith
import { LangGraph, StateManager } from 'langgraph'
import { LangSmith } from 'langsmith'
const workflow = new LangGraph({
nodes: {
start: async (state) => {
const response = await llm.chat("Process this request: " + state.input)
return { output: response }
},
analyze: async (state) => {
return { analysis: await processResponse(state.output) }
}
},
edges: {
start: ['analyze'],
analyze: ['end']
}
})
const result = await workflow.invoke({ input: "User query" })
Langgraph و Langsmith در کنار هم پایه ای قوی برای ساخت و نظارت بر برنامه های کاربردی AI با درجه تولید فراهم می کنند.
مخزن Langgraph را ستاره کنید
5. Chromadb- پایگاه داده تعبیه شده منبع باز AI بومی
Chromadb یک بانک اطلاعاتی مدرن است که به طور خاص برای برنامه های هوش مصنوعی ساخته شده است و دارای ذخیره سازی کارآمد و بازیابی تعبیه شده است. این برای جستجوی معنایی ، سیستم های توصیه و سایر برنامه های هوش مصنوعی مبتنی بر وکتور مناسب است.
npm install chromadb
import { ChromaClient } from 'chromadb'
async function searchDocuments() {
const client = new ChromaClient()
*// Create a collection*
const collection = await client.createCollection('documents')
*// Add documents with embeddings*
await collection.add({
ids: ["id1", "id2"],
embeddings: [[1.1, 2.3, 3.2], [4.5, 6.9, 7.2]],
documents: ["first document", "second document"]
})
*// Query similar documents*
const results = await collection.query({
queryEmbeddings: [1.1, 2.3, 3.2],
nResults: 2
})
}
Chromadb با استفاده از API ساده و ویژگی های قدرتمند ، برنامه های جستجوی بردار ساختمان و مقیاس گذاری را آسان می کند.
مخزن Chromadb را ستاره کنید
6. Litellm- API جهانی برای تماس های LLM
LITELLM یک رابط یکپارچه برای تماس با چندین ارائه دهنده LLM فراهم می کند ، و این باعث می شود که بین مدل های مختلف AI در برنامه های خود جابجایی یا ترکیب کنید. این برنامه از OpenAi ، Anthropic ، Google و بسیاری از ارائه دهندگان دیگر پشتیبانی می کند.
npm install litellm
import { LiteLLM } from 'litellm'
async function callMultipleModels() {
const llm = new LiteLLM({
api_key: process.env.OPENAI_API_KEY
})
*// Call different models with the same interface*
const gpt4Response = await llm.complete({
model: "gpt-4",
messages: [{ role: "user", content: "Hello!" }]
})
const claudeResponse = await llm.complete({
model: "claude-2",
messages: [{ role: "user", content: "Hello!" }]
})
}
LITELLM مدیریت مدل را ساده می کند و خطای مداوم را در ارائه دهندگان مختلف LLM فراهم می کند.
مخزن Litellm را ستاره کنید
7. Llamaindex – چارچوب داده برای برنامه های LLM
Llamaindex به شما کمک می کند تا منابع داده های سفارشی را به LLMS متصل کنید. این ابزارهایی را برای مصرف داده ها ، ساختار و بهینه سازی پرس و جو فراهم می کند ، و ساخت برنامه های LLM را ایجاد می کند که می تواند بر داده های خصوصی شما آسان تر باشد.
npm install llamaindex
import { Document, VectorStoreIndex } from 'llamaindex'
async function queryDocuments() {
*// Create documents*
const documents = [
new Document({ text: "Sample document content" }),
new Document({ text: "Another document here" })
]
*// Create and query index*
const index = await VectorStoreIndex.fromDocuments(documents)
const queryEngine = index.asQueryEngine()
const response = await queryEngine.query(
"What are the main topics in the documents?"
)
console.log(response.toString())
}
Llamaindex شکاف بین داده های شما و LLMS را به وجود می آورد و ساخت برنامه های قدرتمند هوش مصنوعی با دانش سفارشی را آسان تر می کند.
مخزن Llamaindex را ستاره کنید
با تشکر از خواندن ، به من اطلاع دهید که چه ابزاری را پیدا کرده اید که واقعاً مفید است.