मेटाजीपीटी: अभी उपलब्ध सर्वोत्तम एआई एजेंट के लिए संपूर्ण मार्गदर्शिका

चैटजीपीटी जैसे बड़े भाषा मॉडल (एलएलएम) के साथ, ओपनएआई ने उद्यम और उपयोगकर्ता अपनाने में वृद्धि देखी है, वर्तमान में मासिक राजस्व में लगभग 80 मिलियन डॉलर की कमाई हो रही है। एक के अनुसार हाल ही की रिपोर्ट सूचना के अनुसार, सैन फ्रांसिस्को स्थित कंपनी कथित तौर पर वार्षिक राजस्व $1 बिलियन तक पहुँचने की गति पर है।

पिछली बार हमने गहराई से अध्ययन किया था ऑटोजीपीटी और जीपीटी-इंजीनियरिंग, जटिल कार्यों को स्वचालित करने के लिए डिज़ाइन किया गया प्रारंभिक मुख्यधारा ओपन-सोर्स एलएलएम-आधारित एआई एजेंट। आशाजनक होते हुए भी, इन प्रणालियों में कुछ मुद्दे थे: असंगत परिणाम, प्रदर्शन बाधाएं, और बहुआयामी मांगों को संभालने में सीमाएं। वे कोड जनरेशन में दक्षता दिखाते हैं, लेकिन उनकी क्षमताएं अक्सर वहीं रुक जाती हैं। उनके पास पीआरडी पीढ़ी, तकनीकी डिजाइन पीढ़ी और एपीआई इंटरफ़ेस प्रोटोटाइप जैसी महत्वपूर्ण परियोजना प्रबंधन कार्यक्षमताओं का अभाव है।

दर्ज मेटाजीपीटी- एक मल्टी-एजेंट प्रणाली जो सिरुई होंग द्वारा बड़े भाषा मॉडल का उपयोग करती है, एलएलएम-आधारित मल्टी-एजेंट सिस्टम के साथ मानकीकृत संचालन प्रक्रियाओं (एसओपी) को जोड़ती है। यह उभरता हुआ प्रतिमान जटिल, वास्तविक दुनिया के अनुप्रयोगों में प्रभावी सहयोग और कार्य विघटन को बढ़ावा देने में एलएलएम की मौजूदा सीमाओं को बाधित करता है।

मेटाजीपीटी की सुंदरता इसकी संरचना में निहित है। यह वास्तविक समय में कोड में हेरफेर, विश्लेषण और परिवर्तन करने के लिए मेटा-प्रोग्रामिंग तकनीकों का उपयोग करता है। उद्देश्य? एक चुस्त, लचीला सॉफ़्टवेयर आर्किटेक्चर तैयार करना जो गतिशील प्रोग्रामिंग कार्यों के अनुकूल हो सके।

एसओपी यहां एक मेटा-फ़ंक्शन के रूप में कार्य करते हैं, परिभाषित इनपुट के आधार पर एजेंटों को स्वचालित रूप से कोड उत्पन्न करने के लिए समन्वयित करते हैं। सरल शब्दों में, यह ऐसा है मानो आपने सॉफ़्टवेयर इंजीनियरों की एक अत्यधिक समन्वित टीम को एक अनुकूलनीय, बुद्धिमान सॉफ़्टवेयर सिस्टम में बदल दिया है।

मेटाजीपीटी फ्रेमवर्क को समझना

मूलभूत एवं सहयोग परतें

मेटाजीपीटी की वास्तुकला को दो परतों में विभाजित किया गया है: मूलभूत घटक परत और सहयोग परत।

1. मूलभूत घटक परत: यह परत व्यक्तिगत एजेंट संचालन पर ध्यान केंद्रित करती है और सिस्टम-व्यापी सूचना विनिमय की सुविधा प्रदान करती है। यह पर्यावरण, मेमोरी, भूमिकाएँ, क्रियाएँ और उपकरण जैसे मुख्य बिल्डिंग ब्लॉक्स का परिचय देता है। पर्यावरण साझा कार्यस्थानों और संचार मार्गों के लिए मंच तैयार करता है, जबकि मेमोरी ऐतिहासिक डेटा संग्रह के रूप में कार्य करती है। भूमिकाएँ डोमेन-विशिष्ट विशेषज्ञता को समाहित करती हैं, क्रियाएँ मॉड्यूलर कार्यों को निष्पादित करती हैं, और उपकरण सामान्य सेवाएँ प्रदान करते हैं। यह परत अनिवार्य रूप से एजेंटों के लिए ऑपरेटिंग सिस्टम के रूप में कार्य करती है। ये एक साथ कैसे काम करते हैं, इसके बारे में अधिक विवरण लेख में उपलब्ध हैं 'चैटजीपीटी से परे; एआई एजेंट: श्रमिकों की एक नई दुनिया'
2. सहयोग परत: मूलभूत घटकों के शीर्ष पर निर्मित, यह परत व्यक्तिगत एजेंटों के सहयोगात्मक प्रयासों को प्रबंधित और सुव्यवस्थित करती है। यह दो तंत्रों का परिचय देता है: ज्ञान साझा करना और वर्कफ़्लो को एनकैप्सुलेट करना।
   • ज्ञान बांटना: यह सहयोगी गोंद के रूप में कार्य करता है जो एजेंटों को एक साथ बांधता है। एजेंट विभिन्न स्तरों पर जानकारी संग्रहीत, पुनर्प्राप्त और साझा कर सकते हैं, जिससे अतिरेक कम हो जाता है और परिचालन दक्षता बढ़ जाती है।
   • इनकैप्सुलेटिंग वर्कफ़्लोज़: यहीं पर मानकीकृत संचालन प्रक्रियाएं (एसओपी) चलन में आती हैं। एसओपी ब्लूप्रिंट के रूप में कार्य करते हैं जो कार्यों को प्रबंधनीय घटकों में विभाजित करते हैं। एजेंटों को ये उप-कार्य सौंपे जाते हैं, और उनका प्रदर्शन मानकीकृत आउटपुट के साथ संरेखित होता है।

मेटाजीपीटी भी "का उपयोग करता है"भूमिका परिभाषाएँजैसा कि हमने ऊपर चर्चा की, विभिन्न विशिष्ट एजेंटों जैसे उत्पाद प्रबंधकों, आर्किटेक्ट्स आदि को शुरू करने के लिए। इन भूमिकाओं को नाम, प्रोफ़ाइल, लक्ष्य, बाधाएँ और विवरण जैसी प्रमुख विशेषताओं द्वारा चित्रित किया जाता है।

आगे, "एंकर एजेंटइन एजेंटों को भूमिका-विशिष्ट मार्गदर्शन प्रदान करता है। उदाहरण के लिए, एक उत्पाद प्रबंधक की भूमिका "कुशलतापूर्वक एक सफल उत्पाद बनाने" की बाध्यता के साथ शुरू की जा सकती है। एंकर एजेंट यह सुनिश्चित करते हैं कि एजेंटों का व्यवहार व्यापक लक्ष्यों के अनुरूप हो, जिससे प्रदर्शन में सुधार हो।

मेटाजीपीटी एजेंटों में संज्ञानात्मक प्रक्रियाएं

मेटाजीपीटी निरीक्षण कर सकता है, सोच सकता है, प्रतिबिंबित कर सकता है और कार्य कर सकता है। वे जैसे विशिष्ट व्यवहारात्मक कार्यों के माध्यम से कार्य करते हैं _think(), _observe(), _publish_message(), आदि। यह संज्ञानात्मक मॉडलिंग एजेंटों को सक्रिय शिक्षार्थी बनाता है जो अनुकूलन और विकास कर सकते हैं।

1. पालन ​​करना: एजेंट अपने परिवेश को स्कैन करते हैं और मुख्य डेटा को अपनी मेमोरी में शामिल करते हैं।
2. सोचो और चिंतन करो: के माध्यम से _think() कार्य करने से पहले कार्य, भूमिकाओं पर विचार-विमर्श किया जाता है।
3. प्रसारण संदेश: एजेंटों का इस्तेमाल किया _publish_message() वर्तमान कार्य स्थितियों और संबंधित कार्रवाई रिकॉर्ड को साझा करने के लिए।
4. ज्ञान अवक्षेपण एवं अधिनियम: एजेंट आने वाले संदेशों का आकलन करते हैं और कार्रवाई के अगले पाठ्यक्रम पर निर्णय लेने से पहले अपने आंतरिक रिपॉजिटरी को अपडेट करते हैं।
5. राज्य प्रबंधन: टास्क लॉकिंग और स्टेटस अपडेटिंग जैसी सुविधाओं के साथ, भूमिकाएँ बिना किसी रुकावट के क्रमिक रूप से कई क्रियाओं को संसाधित कर सकती हैं, जो वास्तविक दुनिया के मानव सहयोग को प्रतिबिंबित करती हैं।

मेटाजीपीटी के लिए कोड-समीक्षा तंत्र

सॉफ़्टवेयर विकास जीवन चक्र में कोड समीक्षा एक महत्वपूर्ण घटक है, फिर भी यह कई लोकप्रिय रूपरेखाओं में अनुपस्थित है। मेटाजीपीटी और दोनों एजेंटवर्स समर्थन कोड समीक्षा क्षमताओं, लेकिन मेटाजीपीटी एक कदम आगे जाता है। इसमें प्रीकंपाइलेशन निष्पादन भी शामिल है, जो प्रारंभिक त्रुटि का पता लगाने में सहायता करता है और बाद में कोड की गुणवत्ता को बढ़ाता है। कोडिंग की पुनरावृत्तीय प्रकृति को देखते हुए, यह सुविधा केवल एक ऐड-ऑन नहीं है बल्कि किसी भी परिपक्व विकास ढांचे के लिए एक आवश्यकता है।

कई कार्यों में किए गए मात्रात्मक प्रयोगों से पता चला कि मेटाजीपीटी ने लगभग हर परिदृश्य में अपने समकक्षों से बेहतर प्रदर्शन किया। Pass@1 एक एकल पुनरावृत्ति में सटीक कोड उत्पन्न करने की रूपरेखा की क्षमता का एक माप है। यह मीट्रिक व्यावहारिक सेटिंग में किसी ढांचे की उपयोगिता का अधिक यथार्थवादी प्रतिबिंब प्रस्तुत करता है। उच्च पास@1 दर का अर्थ है कम डिबगिंग और अधिक दक्षता, जो सीधे विकास चक्रों और लागतों को प्रभावित करती है। जब अन्य उन्नत कोड जनरेशन टूल जैसे कि इसके विरुद्ध स्टैक किया जाता है कोडेक्स, कोडटी, और यहां तक ​​कि GPT-4, MetaGPT भी Outperforms मॉल। एक हासिल करने के लिए ढांचे की क्षमता 81.7% तक सेवा मेरे 82.3% तक पास@1 दर चालू ह्यूमनएवल और एमबीपीपी बेंचमार्क।

यह ढांचा कम टोकन और कम्प्यूटेशनल संसाधनों का भी उपयोग करता है, जिससे पारंपरिक सॉफ्टवेयर इंजीनियरिंग लागत के एक अंश पर उच्च सफलता दर प्राप्त होती है। डेटा ने केवल औसत लागत का संकेत दिया $1.09 मेटाजीपीटी के साथ प्रति प्रोजेक्ट, जो एक डेवलपर द्वारा समान कार्य के लिए लिए जाने वाले शुल्क का एक अंश मात्र है।

आपके सिस्टम पर मेटाजीपीटी को स्थानीय रूप से स्थापित करने के चरण

एनपीएम, पायथन इंस्टालेशन

1. एनपीएम जांचें और इंस्टॉल करें: सबसे पहली बात, सुनिश्चित करें कि आपके सिस्टम पर एनपीएम स्थापित है। यदि ऐसा नहीं है, तो आपको इंस्टॉल करना होगा Node.js. यह जाँचने के लिए कि क्या आपके पास npm है, इस कमांड को अपने टर्मिनल में चलाएँ: npm --version. यदि आपको कोई संस्करण संख्या दिखाई देती है, तो आप जाने के लिए तैयार हैं।
2. स्थापित करने के लिए mermaid-js, मेटाजीपीटी के लिए एक निर्भरता, चलाएँ: sudo npm install -g @mermaid-js/mermaid-cli or npm install -g @mermaid-js/mermaid-cli
3. पायथन संस्करण सत्यापित करें: सुनिश्चित करें कि आपके पास Python 3.9 या उससे ऊपर का संस्करण है। अपने पायथन संस्करण की जांच करने के लिए, अपना टर्मिनल खोलें और टाइप करें: python --version. यदि आप अद्यतित नहीं हैं, तो नवीनतम संस्करण डाउनलोड करें पायथन आधिकारिक वेबसाइट.
4. क्लोन मेटाजीपीटी रिपॉजिटरी: कमांड का उपयोग करके MetaGPT GitHub रिपॉजिटरी की क्लोनिंग करके प्रारंभ करें git clone https://github.com/geekan/metagpt. सुनिश्चित करें कि इसके लिए आपके सिस्टम में Git इंस्टॉल है। यदि नहीं, तो जाएँ यहाँ उत्पन्न करें.
5. निर्देशिका पर नेविगेट करें: एक बार क्लोन हो जाने पर, कमांड का उपयोग करके मेटाजीपीटी निर्देशिका पर नेविगेट करें cd metagpt.
6. स्थापना: कमांड के साथ मेटाजीपीटी स्थापित करने के लिए पायथन सेटअप स्क्रिप्ट निष्पादित करें python setup.py install.
7. एक एप्लिकेशन बनाएं: चलाएँ python startup.py "ENTER-PROMPT" --code_review True

नोट:

• आपका नया प्रोजेक्ट अब इसमें होना चाहिए workspace/ निर्देशिका.
• --code_review True जीपीटी मॉडल को अतिरिक्त संचालन करने की अनुमति देगा जो यह सुनिश्चित करेगा कि कोड सटीक रूप से चले लेकिन ध्यान दें कि इसकी लागत अधिक होगी।
• यदि आपको इंस्टॉलेशन के दौरान अनुमति त्रुटि का सामना करना पड़ता है, तो चलाने का प्रयास करें python setup.py install --user विकल्प के रूप में।
• विशिष्ट रिलीज़ और अधिक विवरण तक पहुंच के लिए, आधिकारिक मेटाजीपीटी गिटहब रिलीज़ पृष्ठ पर जाएं: मेटाजीपीटी रिलीज़.

डॉकर स्थापना

जो लोग कंटेनरीकरण पसंद करते हैं, उनके लिए डॉकर प्रक्रिया को सरल बनाता है:

• डॉकर छवि खींचो: मेटाजीपीटी आधिकारिक छवि 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

• मेटाजीपीटी कंटेनर चलाएँ: निम्नलिखित कमांड के साथ कंटेनर निष्पादित करें:

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

आपकी OpenAI API कुंजी के साथ MetaGPT को कॉन्फ़िगर करना

प्रारंभिक सेटअप के बाद, आपको मेटाजीपीटी को अपनी ओपनएआई एपीआई कुंजी के साथ एकीकृत करने की आवश्यकता होगी। ऐसा करने के चरण यहां दिए गए हैं:

1. अपनी OpenAI कुंजी ढूंढें या जेनरेट करें: आप इस कुंजी को अपने OpenAI डैशबोर्ड में API सेटिंग्स के अंतर्गत पा सकते हैं।
2. एपीआई कुंजी सेट करें: आपके पास एपीआई कुंजी को इनमें से किसी एक में रखने का विकल्प है config/key.yaml, config/config.yaml, या इसे एक पर्यावरण चर के रूप में सेट करें (env). अग्रता क्रम है config/key.yaml > config/config.yaml > env.
3. कुंजी सेट करने के लिए, नेविगेट करें config/key.yaml और प्लेसहोल्डर टेक्स्ट को अपनी OpenAI कुंजी से बदलें: OPENAI_API_KEY: "sk-..."

अपनी OpenAI API कुंजी को सुरक्षित रखना याद रखें। इसे कभी भी किसी सार्वजनिक भंडार में न भेजें या अनधिकृत व्यक्तियों के साथ साझा न करें।

उपयोग-मामला चित्रण

मैंने सीएलआई-आधारित रॉक, पेपर और कैंची गेम विकसित करने का उद्देश्य दिया और मेटाजीपीटी ने कार्य को सफलतापूर्वक निष्पादित किया।

नीचे एक वीडियो है जो जेनरेट किए गए गेम कोड के वास्तविक रन को दिखाता है।

मेटाजीपीटी डेमो रन

मेटाजीपीटी ने मार्कडाउन में एक सिस्टम डिज़ाइन दस्तावेज़ प्रदान किया - आमतौर पर इस्तेमाल की जाने वाली हल्की मार्कअप भाषा। यह मार्कडाउन फ़ाइल यूएमएल आरेखों से परिपूर्ण थी, जिससे वास्तुशिल्प ब्लूप्रिंट का एक विस्तृत दृश्य प्रस्तुत किया गया था। इसके अलावा, एपीआई विनिर्देशों को HTTP विधियों, समापन बिंदुओं, अनुरोध/प्रतिक्रिया ऑब्जेक्ट और स्थिति कोड के साथ विस्तृत किया गया था

वर्ग आरेख हमारी विशेषताओं और विधियों का विवरण देता है Game कक्षा, एक अमूर्तता प्रदान करती है जिसे समझना आसान है। यह कार्यक्रम के कॉल प्रवाह की भी कल्पना करता है, प्रभावी ढंग से अमूर्त विचारों को मूर्त चरणों में बदल देता है।

यह न केवल योजना बनाने में मैन्युअल ओवरहेड को काफी कम करता है, बल्कि यह निर्णय लेने की प्रक्रिया को भी तेज करता है, जिससे यह सुनिश्चित होता है कि आपकी विकास पाइपलाइन सक्रिय बनी रहे। मेटाजीपीटी के साथ, आप केवल कोड जनरेशन को स्वचालित नहीं कर रहे हैं, आप बुद्धिमान परियोजना योजना को स्वचालित कर रहे हैं, इस प्रकार तेजी से एप्लिकेशन विकास में प्रतिस्पर्धात्मक बढ़त प्रदान कर रहे हैं।

निष्कर्ष: मेटाजीपीटी-सॉफ्टवेयर विकास में क्रांतिकारी बदलाव

मेटाजीपीटी जेनेरिक एआई और सॉफ्टवेयर विकास के परिदृश्य को फिर से परिभाषित करता है, जो बुद्धिमान स्वचालन और चुस्त परियोजना प्रबंधन का एक सहज मिश्रण पेश करता है। चैटजीपीटी, ऑटोजीपीटी और पारंपरिक लैंगचेन मॉडल की क्षमताओं को पार करते हुए यह कार्य अपघटन, कुशल कोड पीढ़ी और परियोजना योजना में उत्कृष्टता प्राप्त करता है। आगे जानें

यहाँ इस लेख से मुख्य टेकअवे हैं:

1. मेटा-प्रोग्रामिंग की शक्ति: मेटा-प्रोग्रामिंग को नियोजित करके, मेटाजीपीटी एक चुस्त और अनुकूली सॉफ्टवेयर ढांचा प्रदान करता है। यह विरासत उपकरणों की संकीर्ण कार्यक्षमता को पार करता है और एक परिवर्तनकारी दृष्टिकोण पेश करता है जो न केवल कोडिंग, बल्कि परियोजना प्रबंधन और निर्णय लेने के पहलुओं को भी संभालता है।
2. दो-परतीय वास्तुकला: अपनी मूलभूत और सहयोगी परतों के साथ, मेटाजीपीटी प्रभावी ढंग से एक सहक्रियात्मक पारिस्थितिकी तंत्र बनाता है जहां एजेंट एक विशेषज्ञ द्वारा प्रबंधित सॉफ्टवेयर टीम के समान एकजुट होकर काम कर सकते हैं।
3. अनुकूलित कोड समीक्षा: केवल कोड उत्पन्न करने के अलावा, मेटाजीपीटी प्रीकंपाइलेशन निष्पादन सुविधाएं प्रदान करता है, जो अनिवार्य रूप से त्रुटियों के लिए एक पूर्व-चेतावनी प्रणाली है। यह न केवल डिबगिंग समय बचाता है बल्कि कोड गुणवत्ता भी सुनिश्चित करता है।
4. संज्ञानात्मक एजेंट: मेटाजीपीटी के बुद्धिमान एजेंट, _observe(), _think(), और _publish_message() जैसे संज्ञानात्मक कार्यों से परिपूर्ण, विकसित और अनुकूलित होते हैं, यह सुनिश्चित करते हुए कि आपका सॉफ़्टवेयर समाधान केवल कोडित नहीं है बल्कि 'बुद्धिमान' है।
5. स्थापना एवं परिनियोजन: हमने दर्शाया है कि मेटाजीपीटी को आसानी से सेट किया जा सकता है, चाहे आप एनपीएम और पायथन के माध्यम से स्थानीय इंस्टॉलेशन पसंद करें, या डॉकर के माध्यम से कंटेनरीकरण।