Skip to content

Files

Latest commit

6d21927 · Dec 18, 2024

History

History
100 lines (67 loc) · 3.89 KB

README_FR.md

File metadata and controls

100 lines (67 loc) · 3.89 KB

PySpur - Éditeur graphique basé sur des graphes pour les flux de travail LLM

README en anglais README en chinois simplifié README en japonais README en coréen README en allemand Version française du README README en espagnol

hero.mp4

✨ Principaux avantages

Blocs de construction modulaires

blocks.mp4

Débogage au niveau des nœuds

visualization.mp4

Évaluer la performance finale

evals.mp4

Bientôt disponible : auto-amélioration

optimization.mp4

🕸️ Pourquoi PySpur ?

  • Facile à modifier, par exemple on peut ajouter de nouveaux nœuds de flux de travail en créant simplement un fichier Python.
  • Configurations JSON des graphes de flux, permettant un partage et un contrôle de version aisés.
  • Léger avec un minimum de dépendances, évitant les frameworks LLM trop lourds.

⚡ Démarrage rapide

Vous pouvez démarrer PySpur en trois étapes simples :

  1. Cloner le dépôt :

    git clone https://github.com/PySpur-com/PySpur.git
    cd pyspur
  2. Démarrez les services Docker :

    sudo docker compose up --build -d

    Cela lancera une instance locale de PySpur qui stockera les spurs et leurs exécutions dans un fichier SQLite local.

  3. Accédez au portail :

    Rendez-vous sur http://localhost:6080/ dans votre navigateur.

    Entrez pyspur/canaryhattan comme nom d'utilisateur/mot de passe.

  4. Ajoutez les clés de votre fournisseur de LLM :

    Allez dans le menu des paramètres en haut à droite du portail

    image

    Sélectionnez l'onglet "API keys"

    image

    Entrez la clé de votre fournisseur et cliquez sur "save" (le bouton "save" apparaîtra après l'ajout/modification d'une clé)

La configuration est terminée. Cliquez sur "New Spur" pour créer un nouveau flux de travail, ou commencez avec l'un des modèles existants.

🗺️ Feuille de route

  • Canvas (toile)
  • Exécution asynchrone/lot (Async/Batch)
  • Évaluations (Evals)
  • Spur API
  • Nouveaux nœuds
    • Nœuds LLM
    • Si-Sinon (If-Else)
    • Fusionner les branches (Merge Branches)
    • Outils (Tools)
    • Boucles (Loops)
  • Optimisation du pipeline via DSPy et méthodes associées
  • Modèles (Templates)
  • Compiler les Spurs en code
  • Support multimodal
  • Conteneurisation des vérificateurs de code
  • Tableau de classement (Leaderboard)
  • Générer des Spurs via l'IA

Vos retours sont grandement appréciés.
Veuillez nous dire quelles fonctionnalités de cette liste vous souhaitez voir apparaître en priorité, ou proposez-en de totalement nouvelles.