hero.mp4
blocks.mp4
visualization.mp4
evals.mp4
optimization.mp4
- Fácil de modificar, por ejemplo, puedes agregar nuevos nodos de flujo de trabajo simplemente creando un solo archivo en Python.
- Configuraciones JSON para gráficos de flujo de trabajo, lo que facilita su compartición y control de versiones.
- Ligero gracias a dependencias mínimas, evitando la sobrecarga de marcos (frameworks) LLM pesados.
Puedes poner en marcha PySpur en tres pasos rápidos.
-
Clona el repositorio:
git clone https://github.com/PySpur-com/PySpur.git cd pyspur
-
Inicia los servicios con Docker:
sudo docker compose up --build -d
Esto iniciará una instancia local de PySpur que almacenará los “spurs” y sus ejecuciones en un archivo SQLite local.
-
Accede al portal:
Ve a
http://localhost:6080/
en tu navegador.Ingresa
pyspur
/canaryhattan
como usuario/contraseña. -
Agrega las claves de tu proveedor LLM:
Ve al menú de configuración en la esquina superior derecha del portal
Selecciona la pestaña "API keys"
Ingresa la clave de tu proveedor y haz clic en guardar (el botón de guardar aparecerá después de que agregues o modifiques una clave)
La configuración está completa. Haz clic en "New Spur" para crear un flujo de trabajo, o comienza con una de las plantillas predeterminadas.
- Lienzo
- Ejecución Asíncrona/por Lotes
- Evaluaciones
- API de Spur
- Nuevos Nodos
- Nodos LLM
- If-Else
- Unir Ramas
- Herramientas
- Bucles
- Optimización de flujos a través de DSPy y métodos relacionados
- Plantillas
- Compilar Spurs a Código
- Soporte Multimodal
- Contenerización de Verificadores de Código
- Tablero de Clasificaciones (Leaderboard)
- Generar Spurs mediante IA
Tu retroalimentación será enormemente apreciada. Por favor, dinos qué características de la lista te gustaría ver a continuación o solicita nuevas funciones.