开发者必知的 7 个 AI 库

这些天，任何开发者都可以用 AI 构建强大的东西。

无需成为 ML 专家。

以下是 7 个最好的库，可以让你的开发工作如虎添翼，并以最先进的 AI 功能给用户留下深刻印象。

这些库能赋予你的项目神奇的力量，所以别忘了给它们点个 Star 并支持它们 🌟

1. CopilotTextarea - React 应用中的 AI 驱动写作

任何 React <textarea> 的直接替代品，具有 Github CopilotX 的功能。

自动补全、插入、编辑。

可以实时或提前由开发者提供任何上下文。

import { CopilotTextarea } from "@copilotkit/react-textarea";
import { CopilotProvider } from "@copilotkit/react-core";

// Provide context...
useMakeCopilotReadable(...)

// in your component...
<CopilotProvider>
    <CopilotTextarea/>
</CopilotProvider>

给 CopilotTextarea 点 Star ⭐️

2. Tavily GPT Researcher - 让 LLM 搜索网络和数据库

Tavily 能让你将 GPT 驱动的研究和内容生成工具添加到 React 应用中，增强其数据处理和内容创建能力。

# Create an assistant
assistant = client.beta.assistants.create(
    instructions=assistant_prompt_instruction,
    model="gpt-4-1106-preview",
    tools=[{
        "type": "function",
        "function": {
            "name": "tavily_search",
            "description": "Get information on recent events from the web.",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {"type": "string", "description": "The search query to use. For example: 'Latest news on Nvidia stock performance'"},
                },
                "required": ["query"]
            }
        }
    }]
)

3. Pezzo.ai - 可观测性、成本和 Prompt 工程平台

管理 OpenAI 调用的集中式平台。

优化你的 prompt 和 token 使用。跟踪你的 AI 使用情况。

免费且易于集成。

const prompt = await pezzo.getPrompt("AnalyzeSentiment");
const response = await openai.chat.completions.create(prompt);

4. CopilotPortal：在应用中嵌入可操作的 LLM 聊天机器人

在应用中内置的上下文感知 LLM 聊天机器人，可以回答问题并采取行动。

用几行代码就能获得一个可工作的聊天机器人，然后根据需要自定义并深度嵌入。

import "@copilotkit/react-ui/styles.css";
import { CopilotProvider } from "@copilotkit/react-core";
import { CopilotSidebarUIProvider } from "@copilotkit/react-ui";

export default function App(): JSX.Element {
  return (
  <CopilotProvider chatApiEndpoint="/api/copilotkit/chat">
      <CopilotSidebarUIProvider>

        <YourContent />

      </CopilotSidebarUIProvider>
    </CopilotProvider>
  );
}

给 CopilotPortal 点 Star ⭐️

5. LangChain - 将 AI 链接成操作链

用于将 LLM 添加到应用的易用 API 和库。

将不同的 AI 组件和模型链接在一起。

轻松嵌入上下文和语义数据以实现强大的集成。

from langchain.llms import OpenAI
from langchain import PromptTemplate
llm = OpenAI(model_name="text-davinci-003", openai_api_key="YourAPIKey")  # Notice "food" below, that is a placeholder for another value later
template = """ I really want to eat {food}. How much should I eat? Respond in one short sentence """

prompt = PromptTemplate(
    input_variables=["food"],
    template=template,
)

final_prompt = prompt.format(food="Chicken")

print(f"Final Prompt: {final_prompt}")

print("-----------")

print(f"LLM Output: {llm(final_prompt)}")

6. Weaviate - 用于 AI 增强项目的向量数据库

Weaviate 是一个向量数据库，针对大型数据集的快速、高效搜索进行了优化。

它支持与来自 OpenAI 和 Hugging Face 等提供商的 AI 模型和服务集成，支持数据分类和自然语言处理等高级任务。

它是一个云原生解决方案，具有高度可扩展性以满足不断增长的数据需求。

import weaviate
import json

client = weaviate.Client(
    embedded_options=weaviate.embedded.EmbeddedOptions(),
)

uuid = client.data_object.create({

})

obj = client.data_object.get_by_id(uuid, class_name='MyClass')

print(json.dumps(obj, indent=2))

7. PrivateGPT - 与文档私密聊天，100% 隐私保护 💡

PrivateGPT 在应用中支持安全的、GPT 驱动的文档交互，确保数据隐私并增强上下文感知处理能力。

PrivateGPT 通过本地处理和存储文档与上下文来确保隐私，不会将数据发送到外部服务器。

from privategpt import PrivateGPT, DocumentIngestion, ChatCompletion

client = PrivateGPT(api_key='your_api_key')

def process_documents_and_chat(query, documents):
    ingestion_result = DocumentIngestion(client, documents)
    chat_result = ChatCompletion(client, query, context=ingestion_result.context)
    return chat_result

documents = ['doc1.txt', 'doc2.txt']
query = "What is the summary of the documents?"
result = process_documents_and_chat(query, documents)
print(result)

[奖励库] SwirlSearch - AI 驱动的搜索

LLM 驱动的搜索、摘要和输出。

同时搜索多个内容源并集成输出。

适用于各种数据源的强大应用内集成。

我希望这些库能帮助你用 AI 构建一些很棒的东西。

如果你喜欢这篇文章，请点赞，并在评论区分享你想看的其他库或主题。