مدل های بزرگ زبان (LLM) به طور فزاینده ای رواج می یابد ، و بسیاری از توسعه دهندگان در حال ادغام ارائه دهندگان مختلف LLM ، مانند Openai ، Anthropic ، Gemini و سایر موارد در برنامه های چت جریان خود در چندین SDK هستند. برای کمک به توسعه دهندگان برای شروع کار و سرعت بخشیدن به پیشرفت خود با Stream Chat و هوش مصنوعی ، ما یک راهنمای گام به گام خاص پلتفرم ایجاد کرده ایم. برای دنبال کردن ، توصیه می کنیم یک حساب جریان رایگان ایجاد کنید و یک ارائه دهنده LLM را انتخاب کنید.
نمونه های منبع باز ما شامل ادغام هوش مصنوعی با OpenAI و Anthropic به طور پیش فرض است. با این حال ، توسعه دهندگان می توانند به راحتی هر سرویس LLM را با اصلاح عامل سمت سرور ادغام کنند ، در حالی که هنوز هم از تمام ویژگی های UI که کیت های UI Chat Stream ارائه می دهند لذت می برند.
نحوه ایجاد یک دستیار هوش مصنوعی
هوش مصنوعی مکالمه در حال تغییر نحوه تعامل کاربران با برنامه ها است. با استفاده از دستیاران هوش مصنوعی ، برنامه ها هم اکنون می توانند عوامل بسیار شخصی را در برنامه های خود معرفی کنند و نحوه تعامل کاربران با برنامه ها ، اتوماسیون وظایف یا حل مشکلات را تغییر دهند. در جریان ، برخی از مواردی که ما دیده ایم شامل برنامه هایی است که در مورد اطلاعات تغذیه ای آموزش دیده اند تا به کاربران کمک کنند تا به سرعت جزئیات مربوط به غذاهایی را که می خورند و برنامه های تخصصی آموزش را برای دسته های مختلف یاد بگیرند.
ایجاد عوامل هوش مصنوعی می تواند مشکل باشد. کاربران امروز انتظار دارند که از برنامه های خود سطح بالایی از لهستانی ها و مواردی مانند پاسخ های جریان ، اجزای جدول ، شاخص های تفکر ، کد و اجزای فایل و غیره استفاده کنند ، اجرای SDK های مختلف دشوار است.
برای ساده سازی این فرآیند برای توسعه دهندگان ، ما یک روش عمومی برای اتصال API چت خود به ارائه دهندگان LLM خارجی ایجاد کرده ایم. رویکرد ما از یک سرور پس زمینه منفرد (NodeJS یا Python) استفاده می کند ، که می تواند چرخه حیات عوامل را مدیریت کرده و اتصال به ارائه دهندگان خارجی را اداره کند.
با استفاده از این رویکرد ، توسعه دهندگان می توانند رابط های عامل انسان شناسی و عامل OpenAI را زیر طبقه بندی کنند تا به هر ارائه دهنده ای که ترجیح می دهند ، پشتیبانی کنند و احساس اطمینان کنند که قسمت های جلوی برنامه آنها مقیاس می یابد و این پاسخ ها را به درستی ارائه می دهد.
پلت فرم خود را انتخاب کنید
برای شروع کار با هوش مصنوعی و جریان ، به سادگی چارچوب متناسب با برنامه خود را انتخاب کنید و دستورالعمل های گام به گام را که در هر یک بیان شده است دنبال کنید:
- لرزیدن: یک دستیار چت یکپارچه برای برنامه های متقاطع با استفاده از Flutter SDK جریان ایجاد کنید.
- واژگون شدن بومی: قدم به دنیای برنامه های چت AI-Enhed با React Native SDK و آموزش ما.
- واکنش نشان دادن: توسعه دستیاران گپ برای برنامه های وب با React Chat SDK جریان.
- اندرویدی: دستیاران قدرتمند و پاسخگو را برای برنامه های Android با Android Chat SDK ایجاد کنید.
- منزوی: یاد بگیرید که چگونه یک دستیار برای برنامه های iOS با IOS Chat SDK ایجاد کنید.
- رقصنده: دستیاران AI را برای برنامه های وب با NodeJS Chat SDK ایجاد کنید.
برای کسب اطلاعات بیشتر در مورد تنظیمات پس زمینه ، README را که مستقیماً در مخزن GitHub ما مرتبط است ، بررسی کنید. این همه چیز را از معماری پروژه گرفته تا راه هایی که می توان ادغام را برای پشتیبانی از سایر ارائه دهندگان LLM گسترش داد ، پوشش می دهد.
امروز ساختمان را شروع کنید
آماده برای چرخش آن هستید؟ سکوی خود را انتخاب کنید و به آن دستیار یک شات بدهید! تیم ما همچنین برای هر SDK از جمله اجرای پس زمینه نمونه ای یک repo مفید ایجاد کرد – آن را بررسی کنید و اگر آن را مفید دانستید ، ما را ترک کنید.
تیم ما همیشه در کانال های مختلف اجتماعی فعال است ، بنابراین پس از اتمام برنامه خود ، احساس راحتی کنید که ما را در X یا LinkedIn برچسب بزنید و به ما اطلاع دهید که چگونه پیش رفت!
