py-vectara-agentic

الوصف

تمكّن مكتبة py-vectara-agentic المطورين من بناء مساعدي ووكلاء ذكاء اصطناعي متطورين من خلال الاستفادة من قدرات Vectara ونمط Agentic RAG. بُنيت هذه المكتبة بلغة بايثون على إطار عمل LlamaIndex Agent، وهي تبسّط عملية إنشاء أدوات تتفاعل مع مستودعات Vectara. تكمن قوتها الأساسية في قدرتها على توليد أدوات Vectara RAG أو أدوات البحث بسرعة وبأقل قدر من التعليمات البرمجية، مما يسرّع عملية التطوير بشكل كبير.

تقدم هذه المكتبة مرونة في تصميم الوكلاء، حيث تدعم أنواعًا مختلفة من الوكلاء مثل ReAct و Function Calling. تتميز بأدوات جاهزة خاصة بالمجالات مصممة لقطاعات مثل التمويل والقانون، مما يعزز قابليتها للتطبيق عبر مختلف الصناعات. تتمثل إحدى المزايا الرئيسية في تكاملها مع نماذج لغوية كبيرة متعددة، مما يسمح بالاتصال السلس بموفري الخدمات المشهورين بما في ذلك OpenAI و Anthropic و Gemini و GROQ و Together.AI و Cohere و AWS Bedrock. بالنسبة للمطورين الذين يركزون على فهم سلوك الوكلاء وأدائهم، تتضمن py-vectara-agentic دعمًا مدمجًا للمراقبة باستخدام Arize Phoenix.

يمكن للمستخدمين المتقدمين توسيع قدرات الوكلاء من خلال سير العمل المخصصة المعرفة باستخدام طريقة `run()`، مما يتيح تفاعلات منظمة ومتعددة الخطوات. توفر المكتبة أيضًا بثًا قويًا وتوليد استجابات في الوقت الفعلي، وهو أمر بالغ الأهمية للتطبيقات التفاعلية وتحسين تجربة المستخدم من خلال عرض الاستجابات فور إنشائها. تم دمج تصحيح الهلوسة في Vectara (VHC)، مما يسمح بتحليل وتصحيح استجابات الوكلاء بناءً على المحتوى الواقعي الذي تم استرجاعه بواسطة الأدوات المؤهلة لـ VHC. تتضمن المكتبة أيضًا ميزات للتحقق من صحة الأدوات وتدعم إنشاء أدوات مخصصة من دوال بايثون.

تشمل الميزات الرئيسية الإنشاء السريع للأدوات لـ Vectara RAG والبحث، ودعم أنواع الوكلاء المتنوعة، وتكامل نماذج لغوية كبيرة متعددة، والمراقبة المدمجة، ودعم سير العمل للتفاعلات المعقدة. المكتبة مناسبة للمطورين ومهندسي الذكاء الاصطناعي والباحثين الذين يتطلعون إلى بناء وكلاء أذكياء يمكنهم الاستعلام بفعالية عن البيانات المخزنة في Vectara واستخدامها، مع التركيز على الاستجابات المستندة إلى الحقائق والدقيقة.

الميزات الأساسية لـ py-vectara-agentic

• إنشاء سريع لأدوات Vectara RAG والبحث

• دعم أنواع الوكلاء ReAct و Function Calling

• التكامل مع نماذج LLM من OpenAI و Anthropic و Gemini و GROQ و Together.AI و Cohere و Bedrock

• مراقبة مدمجة مع Arize Phoenix

• سير عمل قابلة للتخصيص عبر طريقة `run()`

• توليد استجابات متدفقة وفي الوقت الفعلي

• دعم مدمج لتصحيح الهلوسة في Vectara (VHC)

• التحقق من صحة الأدوات لضمان تطابق التعليمات المخصصة مع الأدوات المتاحة

• القدرة على إنشاء أدوات مخصصة من دوال بايثون

• أدوات جاهزة خاصة بالمجالات للتمويل والقانون

• دعم تصفية البيانات الوصفية في استعلامات Vectara

• تنسيق إخراج الأدوات سهل القراءة

البدء مع py-vectara-agentic

1. 1

   الاستنساخ: احصل على المكتبة من مستودع GitHub الخاص بها.

2. 2

   التثبيت: قم بتشغيل `pip install vectara-agentic` لتثبيت التبعيات.

3. 3

   التكوين: قم بإعداد مفاتيح API الخاصة بـ Vectara ومفاتيح المستودعات، واختياريًا مفاتيح API لنماذج LLM.

4. 4

   التهيئة: أنشئ `VectaraToolFactory` وحدد تعليمات الوكيل.

5. 5

   إنشاء الأدوات: استخدم `create_rag_tool` أو `create_search_tool` للتكامل مع Vectara.

6. 6

   إنشاء مثيل للوكيل: أنشئ مثيل `Agent` مع أدواتك وتعليماتك المخصصة.

7. 7

   التنفيذ: تفاعل مع الوكيل باستخدام طرق chat أو achat أو stream_chat أو astream_chat.

8. 8

   التحليل: استخدم VHC أو سير العمل لتحليل الاستجابات المتقدم والتفاعلات المعقدة.

حالات استخدام py-vectara-agentic

• تطوير مساعدي الذكاء الاصطناعي
• إنشاء تطبيقات RAG
• وكلاء تحليل البيانات
• روبوتات الدردشة التفاعلية
• أتمتة سير العمل
• تكامل نماذج LLM

الأسئلة الشائعة من py-vectara-agentic

• ما هي py-vectara-agentic؟

  py-vectara-agentic هي مكتبة بايثون مصممة لبناء مساعدي ووكلاء ذكاء اصطناعي يستفيدون من قدرات Vectara ونمط Agentic RAG.

• كيف تبسّط py-vectara-agentic إنشاء الأدوات؟

  توفر وظائف مساعدة مثل `create_rag_tool` و `create_search_tool` لبناء أدوات تتصل بمستودعات Vectara بسرعة وبأقل قدر من التعليمات البرمجية.

• ما هي موفرو نماذج LLM المدعومة من py-vectara-agentic؟

  تدعم المكتبة التكامل مع OpenAI و Anthropic و Gemini و GROQ و Together.AI و Cohere و AWS Bedrock.

• هل يمكنني إنشاء سير عمل مخصصة باستخدام py-vectara-agentic؟

  نعم، تدعم المكتبة سير العمل المخصصة عبر طريقة `run()`، مما يتيح تفاعلات منظمة ومتعددة الخطوات.

• ما هو تصحيح الهلوسة في Vectara (VHC) في هذه المكتبة؟

  يقوم VHC بتحليل استجابات الوكيل وتصحيح الهلوسات بناءً على المحتوى الواقعي الذي تم استرجاعه بواسطة الأدوات المؤهلة لـ VHC، مما يضمن استجابات أكثر دقة.

• كيف يمكنني تتبع تقدم الوكيل في الوقت الفعلي؟

  يمكنك استخدام المعلمة `agent_progress_callback` لتتبع استدعاءات الأدوات والمخرجات في الوقت الفعلي، والتي تعمل مع كل من طرق الدردشة العادية والمتدفقة.

• ما هي المتطلبات الأساسية لاستخدام py-vectara-agentic؟

  تحتاج إلى حساب Vectara مع مستودع ومفتاح API، وبايثون 3.10 أو أعلى، ومفاتيح API لموفري نماذج LLM الذين اخترتهم.

• هل تدعم py-vectara-agentic تدفق الاستجابات؟

  نعم، فهي توفر إمكانيات تدفق قوية لتوليد الاستجابات في الوقت الفعلي، وهي مثالية للتطبيقات التفاعلية.

• كيف أقوم بتثبيت py-vectara-agentic؟

  يمكنك تثبيتها باستخدام pip: `pip install vectara-agentic`.

• هل يمكنني استخدام دوال بايثون مخصصة كأدوات؟

  نعم، يمكنك إنشاء أدواتك الخاصة مباشرة من دوال بايثون باستخدام طريقة `create_tool()` لفئة `ToolsFactory`.