#模块化

LinGoose学习资料汇总 - Go语言AI/LLM应用开发框架

2 个月前
Cover of LinGoose学习资料汇总 - Go语言AI/LLM应用开发框架

mPLUG-Owl学习资料汇总 - 强大的多模态大语言模型家族

2 个月前
Cover of mPLUG-Owl学习资料汇总 - 强大的多模态大语言模型家族

AdalFlow学习资料汇总 - 为LLM应用提供自动优化的PyTorch风格库

2 个月前
Cover of AdalFlow学习资料汇总 - 为LLM应用提供自动优化的PyTorch风格库

Griptape入门学习资料 - 构建AI应用的模块化Python框架

2 个月前
Cover of Griptape入门学习资料 - 构建AI应用的模块化Python框架

Caffe2 入门学习资料汇总 - 轻量级深度学习框架

2 个月前
Cover of Caffe2 入门学习资料汇总 - 轻量级深度学习框架

Atomic Agents:构建模块化、可扩展的AI代理框架

3 个月前
Cover of Atomic Agents:构建模块化、可扩展的AI代理框架

Cool-Admin-Midway: 一个强大而灵活的后台管理系统框架

3 个月前
Cover of Cool-Admin-Midway: 一个强大而灵活的后台管理系统框架

ModuleFormer:IBM推出的创新混合专家模型架构

3 个月前
Cover of ModuleFormer:IBM推出的创新混合专家模型架构

aw_nas: 一个模块化可扩展的神经架构搜索框架

3 个月前
Cover of aw_nas: 一个模块化可扩展的神经架构搜索框架

RLeXplore: 加速内在驱动的强化学习研究

3 个月前
Cover of RLeXplore: 加速内在驱动的强化学习研究
相关项目
Project Cover

griptape

Griptape是一个模块化Python框架,专为构建安全连接企业数据和API的AI应用而设计。它提供核心组件如代理、管道、工作流、任务、工具、内存、驱动和引擎,确保开发者在每一步保持控制和灵活性。Griptape支持高效的数据加载、处理和存储,并能与多种外部资源和服务交互。更多信息请参阅Griptape文档和在线课程。

Project Cover

beehive

Beehive 是一款事件和代理系统,用户可以自行创建代理来执行由事件和过滤器触发的自动化任务。它具备模块化、灵活性,并易于扩展。通过互联模块,例如与Twitter、Tumblr、电子邮件、IRC等通信,Beehive能够实现复杂的任务自动化,如转发消息、控制智能家居设备等。详细信息请访问官方文档或GitHub页面。

Project Cover

AdalFlow

AdalFlow是一个基于PyTorch设计模式的大语言模型(LLM)应用库,旨在帮助开发人员构建和优化任务流水线。这个库注重代码的可读性和模块化,能够灵活应对从聊天机器人到文本分类等不同的AI应用。AdalFlow支持用户根据自身的需求进行定制和迭代,提供一种清晰的流水线结构和基于组件的构建方式,使用户能够轻松理解和部署LLM工作流。

Project Cover

mPLUG-Owl

mPLUG-Owl系列模型通过模块化强化其多模具集成,提升大型语言模型的功能。mPLUG-Owl2在CVPR 2024获得突出展示,而最新的mPLUG-Owl2.1则针对中文模式进行了优化,已在HuggingFace平台推出。

Project Cover

lingoose

LinGoose是一个为开发AI/LLM应用设计的Go语言框架,支持模块化和功能抽象。用户可以灵活选择和创建实现,并使用丰富的文档和快速入门指南,从零开始构建完整的AI/LLM应用。

Project Cover

atomic_agents

Atomic Agents框架专为模块化、可扩展和易用而设计,提供一套可以组合的工具和代理来创建强大的应用程序。框架基于Instructor构建,并利用Pydantic进行数据验证和序列化。详细的快速入门指南和文档可帮助用户快速入门,支持OpenAI、Cohere、Anthropic等多种模型。项目采用MIT许可证,并欢迎社区贡献和改进建议。

Project Cover

eidolon

Eidolon是一个开源SDK,帮助开发者设计和部署代理服务。内置HTTP服务器简化了部署过程,接口定义清晰,支持代理间的简易通信。模块化设计允许组件的定制和便捷的升级,无供应商依赖。Eidolon适应快速变化的AI环境,支持代理间通信、组件替换和结构化输入。该项目完全开源,欢迎各类贡献者参与。

Project Cover

evolutionary-architecture-by-example

本项目展示了架构的演进,包括从初始架构到模块分离和微服务提取的过程。通过4个章节详细讲解核心设计决策和最佳实践,帮助开发者优化应用架构并避免常见错误。

Project Cover

caffe2

Caffe2是一个以表达力、速度和模块化为设计理念的轻量级、模块化和可扩展的深度学习框架。欲了解更多信息,请访问caffe2.ai。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号