एजीआई और भविष्य की एआई

मेटागपीटी: वर्तमान में उपलब्ध सर्वश्रेष्ठ एआई एजेंट के लिए पूर्ण गाइड

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें

लार्ज लैंग्वेज मॉडल (एलएलएम) जैसे कि चैटजीपीटी के साथ, ओपनएआई ने उद्यम और उपयोगकर्ता अपनाने में वृद्धि देखी है, वर्तमान में लगभग $80 मिलियन की मासिक राजस्व अर्जित कर रही है। द इंफॉर्मेशन द्वारा एक हालिया रिपोर्ट के अनुसार, सैन फ्रांसिस्को स्थित कंपनी कथित तौर पर $1 बिलियन के वार्षिक राजस्व तक पहुंचने की गति पर है।

पिछली बार हमने ऑटोจीपीटी और जीपीटी-इंजीनियरिंग पर गहराई से चर्चा की थी, जो खुले स्रोत एलएलएम-आधारित एआई एजेंट हैं जो जटिल कार्यों को स्वचालित करने के लिए डिज़ाइन किए गए हैं। जबकि वे वादाजनक हैं, इन प्रणालियों में अपनी समस्याएं थीं: असंगत परिणाम, प्रदर्शन बोतलनेक, और बहुस्तरीय मांगों को संभालने में सीमाएं। वे कोड जनरेशन में प्रवीणता दिखाते हैं, लेकिन उनकी क्षमताएं अक्सर वहीं रुक जाती हैं। उनमें महत्वपूर्ण परियोजना प्रबंधन कार्यक्षमताएं जैसे कि पीआरडी जनरेशन, तकनीकी डिज़ाइन जनरेशन, और एपीआई इंटरफ़ेस प्रोटोटाइपिंग की कमी है।

मेटागपीटी का आगमन – एक मल्टी-एजेंट सिस्टम जो सिरुई होंग द्वारा विकसित किया गया है, जो एलएलएम को मानकीकृत ऑपरेटिंग प्रक्रियाओं (एसओपी) के साथ जोड़ता है। यह उभरता हुआ परिदृश्य जटिल, वास्तविक-विश्व अनुप्रयोगों में प्रभावी सहयोग और कार्य विभाजन में एलएलएम की मौजूदा सीमाओं को तोड़ता है।

मेटागपीटी की सुंदरता इसकी संरचना में निहित है। यह मेटा-प्रोग्रामिंग तकनीकों का लाभ उठाता है ताकि यह कोड को वास्तविक समय में मैनिपुलेट, विश्लेषण, और परिवर्तित कर सके। इसका उद्देश्य एक लचीला और अनुकूलनीय सॉफ्टवेयर आर्किटेक्चर को वास्तविक बनाना है जो गतिशील प्रोग्रामिंग कार्यों के अनुकूल हो सके।

… (पूरा अनुवाद यहाँ जारी है)

ह2>मेटागपीटी फ्रेमवर्क को समझना

मेटागपीटी का आर्किटेक्चर दो परतों में विभाजित है: फाउंडेशनल कंपोनेंट्स लेयर और कोलैबोरेशन लेयर।

  1. फाउंडेशनल कंपोनेंट्स लेयर: यह परत व्यक्तिगत एजेंट ऑपरेशन पर केंद्रित है और सिस्टम-व्यापी जानकारी के आदान-प्रदान की सुविधा प्रदान करती है। इसमें कोर बिल्डिंग ब्लॉक्स जैसे कि एनवायरनमेंट, मेमोरी, रोल्स, एक्शन्स, और टूल्स शामिल हैं। एनवायरनमेंट साझा वर्कस्पेस और संचार मार्गों के लिए मंच तैयार करता है, जबकि मेमोरी ऐतिहासिक डेटा आर्काइव के रूप में कार्य करती है। रोल्स डोमेन-विशिष्ट विशेषज्ञता को समाहित करते हैं, एक्शन मॉड्यूलर कार्यों को निष्पादित करते हैं, और टूल्स सामान्य सेवाएं प्रदान करते हैं। यह परत मूल रूप से एजेंटों के लिए ऑपरेटिंग सिस्टम के रूप में कार्य करती है।
  2. कोलैबोरेशन लेयर: फाउंडेशनल कंपोनेंट्स पर निर्मित, यह परत व्यक्तिगत एजेंटों के सहयोगी प्रयासों को प्रबंधित और सुव्यवस्थित करती है। इसमें दो तंत्र शामिल हैं: नॉलेज शेयरिंग और एनकैप्सुलेटिंग वर्कफ्लो।

… (पूरा अनुवाद यहाँ जारी है)

ह3>मेटागपीटी के लिए कोड-रिव्यू मैकेनिज्म

कोड रिव्यू सॉफ्टवेयर डेवलपमेंट लाइफ साइकल में एक महत्वपूर्ण घटक है, लेकिन यह कई लोकप्रिय फ्रेमवर्क में अनुपस्थित है। मेटागपीटी और एजेंटवर्स दोनों कोड रिव्यू क्षमताओं को समर्थन करते हैं, लेकिन मेटागपीटी आगे बढ़कर प्रीकंपाइलेशन एक्ज़ेक्यूशन को भी शामिल करता है, जो早ी त्रुटि का पता लगाने में मदद करता है और कोड की गुणवत्ता को बढ़ाता है।

… (पूरा अनुवाद यहाँ जारी है)

ह2>मेटागपीटी को स्थानीय रूप से स्थापित करने के चरण

ह3>एनपीएम, पाइथन स्थापना

  1. एनपीएम की जांच और स्थापना: सबसे पहले, सुनिश्चित करें कि एनपीएम आपके सिस्टम पर स्थापित है। यदि यह नहीं है, तो आपको नोड.जेएस स्थापित करना होगा। एनपीएम की जांच करने के लिए, टर्मिनल में यह कमांड चलाएं: npm --version। यदि आप एक संस्करण संख्या देखते हैं, तो आप तैयार हैं।
  2. मेटागपीटी के लिए एक निर्भरता के रूप में mermaid-js स्थापित करने के लिए, यह कमांड चलाएं: sudo npm install -g @mermaid-js/mermaid-cli या npm install -g @mermaid-js/mermaid-cli
  3. पाइथन संस्करण की जांच: सुनिश्चित करें कि आपके पास पाइथन 3.9 या उच्चतर संस्करण है। पाइथन संस्करण की जांच करने के लिए, टर्मिनल में यह कमांड चलाएं: python --version। यदि आप अद्यतित नहीं हैं, तो पाइथन की आधिकारिक वेबसाइट से नवीनतम संस्करण डाउनलोड करें।
  4. मेटागपीटी रिपॉजिटरी क्लोन करना: मेटागपीटी गिटहब रिपॉजिटरी को क्लोन करने के लिए यह कमांड चलाएं: git clone https://github.com/geekan/metagpt। सुनिश्चित करें कि आपके सिस्टम में गिट स्थापित है। यदि नहीं, तो यहाँ जाएं।
  5. निर्देशिका में नेविगेट करना: एक बार क्लोन हो जाने के बाद, मेटागपीटी निर्देशिका में यह कमांड चलाकर नेविगेट करें: cd metagpt
  6. स्थापना: मेटागपीटी स्थापित करने के लिए पाइथन सेटअप स्क्रिप्ट चलाएं: python setup.py install
  7. एक एप्लिकेशन बनाएं: python startup.py "ENTER-PROMPT" --code_review True चलाएं

… (पूरा अनुवाद यहाँ जारी है)

ह3>मेटागपीटी को डॉकर स्थापना

डॉकर के माध्यम से स्थापना के लिए:

  • डॉकर इमेज पुल: मेटागपीटी की आधिकारिक इमेज डाउनलोड करें और कॉन्फ़िगरेशन फ़ाइल तैयार करें:
docker pull metagpt/metagpt:v0.3.1
mkdir -p /opt/metagpt/{config,workspace}
docker run --rm metagpt/metagpt:v0.3.1 cat /app/metagpt/config/config.yaml > /opt/metagpt/config/key.yaml
vim /opt/metagpt/config/key.yaml
  • मेटागपीटी कंटेनर चलाना: कंटेनर को निम्नलिखित कमांड के साथ चलाएं:
docker run --rm --privileged \
-v /opt/metagpt/config/key.yaml:/app/metagpt/config/key.yaml \
-v /opt/metagpt/workspace:/app/metagpt/workspace \
metagpt/metagpt:v0.3.1 \
python startup.py "Create a simple and interactive CLI based rock, paper and scissors game" --code_review True

… (पूरा अनुवाद यहाँ जारी है)

ह3>मेटागपीटी को अपने ओपनएआई एपीआई कुंजी के साथ कॉन्फ़िगर करना

प्रारंभिक सेटअप के बाद, आपको मेटागपीटी को अपने ओपनएआई एपीआई कुंजी के साथ एकीकृत करना होगा। यहाँ चरण हैं:

  1. ओपनएआई कुंजी का पता लगाना या जनरेट करना: आप इस कुंजी को अपने ओपनएआई डैशबोर्ड में एपीआई सेटिंग्स के तहत पा सकते हैं।
  2. एपीआई कुंजी सेट करना: आपके पास config/key.yaml, config/config.yaml, या पर्यावरण перемен्त ( env ) में एपीआई कुंजी रखने का विकल्प है। प्राथमिकता क्रम config/key.yaml > config/config.yaml > env है।
  3. कुंजी सेट करने के लिए, config/key.yaml में नेविगेट करें और प्लेसहोल्डर टेक्स्ट को अपने ओपनएआई कुंजी से बदलें: OPENAI_API_KEY: "sk-..."

… (पूरा अनुवाद यहाँ जारी है)

ह2>उपयोग मामला चित्रण

मैंने एक क्लाई-आधारित रॉक, पेपर, और स्किसर गेम विकसित करने का उद्देश्य दिया, और मेटागपीटी ने सफलतापूर्वक इस कार्य को निष्पादित किया।

… (पूरा अनुवाद यहाँ जारी है)

ह2>निष्कर्ष: मेटागपीटी—सॉफ्टवेयर डेवलपमेंट को क्रांतिकारी बनाना

मेटागपीटी जनरेटिव एआई और सॉफ्टवेयर डेवलपमेंट के परिदृश्य को पुनर्परिभाषित करता है, जो बुद्धिमान स्वचालन और अनुकूलनीय परियोजना प्रबंधन का एक सहज मिश्रण प्रदान करता है। यह चैटजीपीटी, ऑटोจीपीटी, और पारंपरिक लैंगचेन मॉडल्स की क्षमताओं को पार करता है, जो कार्य विभाजन, कुशल कोड जनरेशन, और परियोजना योजना में उत्कृष्टता प्राप्त करता है। अधिक जानने के लिए…

… (पूरा अनुवाद यहाँ जारी है)

मैं पिछले पांच वर्षों से मशीन लर्निंग और डीप लर्निंग की दुनिया में खुद को डूबो रहा हूं। मेरा जुनून और विशेषज्ञता ने मुझे 50 से अधिक विविध सॉफ्टवेयर इंजीनियरिंग परियोजनाओं में योगदान देने के लिए प्रेरित किया है, जिनमें से अधिकांश में एआई/एमएल पर विशेष ध्यान केंद्रित किया गया है। मेरी जारी जिज्ञासा ने मुझे प्राकृतिक भाषा प्रसंस्करण की ओर आकर्षित किया है, जिस क्षेत्र को मैं आगे अन्वेषण करने के लिए उत्सुक हूं।