描述
JARVIS 是一个协作系统，它利用 LLM 连接各种 AI 模型以执行复杂任务。该系统由微软开发，旨在推进通用人工智能 (AGI) 的研究。它通过一个四阶段工作流程运行：任务规划、模型选择、任务执行和响应生成。该系统使用 ChatGPT 分析用户请求，从 Hugging Face 中选择专家模型，执行任务并生成响应。
JARVIS 提供了多种功能，包括对 Azure 平台上 OpenAI 服务的支持以及 GPT-4 模型。它提供用于交互的 CLI 和 Web 模式。该系统支持不同的配置，包括一个不需要本地模型部署的“精简版”版本，以及一个具有更广泛要求的“默认”版本。该项目还包括一个 Gradio 演示和 Web API 访问中间结果。该系统的架构允许集成各种模型，从而增强其在任务自动化和响应生成方面的能力。
JARVIS 专为研究人员、开发人员以及任何有兴趣探索 LLM 和 AI 任务自动化功能的人而设计。该系统的模块化设计允许轻松集成新模型和功能。该项目提供了详细的设置和使用说明，包括服务器配置和 Web 应用程序部署。该项目还提供了示例请求和响应，以帮助用户了解如何与系统交互。该项目的文档包括有关系统要求、快速入门指南以及相关研究论文的引用信息。
JARVIS 的价值在于它能够通过将 LLM 与专家模型集成来简化复杂的 AI 任务。它为研究人员提供了一个试验不同模型和配置的平台。该系统的灵活性和模块化设计使其成为任何有兴趣探索 LLM 在 AI 领域潜力的宝贵工具。
GitHub的核心功能
将 LLM 与专家模型集成
支持任务规划和执行
利用 ChatGPT 进行任务分析和响应生成
提供 CLI 和 Web 模式
支持 OpenAI 和 GPT-4
提供 Gradio 演示
提供用于中间结果的 Web API
包含用于更轻松设置的“精简版”配置
支持本地和 Hugging Face 推理端点
促进 AI 任务自动化
模块化设计，易于集成新模型
GitHub入门
克隆：从 GitHub 克隆 JARVIS 存储库。
安装依赖项：设置环境并使用 conda 和 pip 安装必要的软件包。
配置：在配置文件中替换 API 密钥和令牌。
下载模型：使用提供的脚本下载所需的模型。
执行：在服务器、CLI 或 Web 模式下运行服务器和应用程序。
访问：通过 Web API 或 Gradio 演示访问服务。
测试：通过发送请求并分析响应来测试系统。
优化：探索不同的配置和模型以优化性能。
GitHub的使用案例
- 任务自动化
- 模型集成
- AI 研究
- Web API 访问
- Gradio 演示
- CLI 交互
- 模型评估
