Merge pull request #385 from duongqvu/main

Added the Vietnamese version of README.

Author: francip

README.md

@@ -18,6 +18,7 @@
 [<img title="فارسی" alt="فارسی" src="https://cdn.staticaly.com/gh/hjnilsson/country-flags/master/svg/ir.svg" width="30">](docs/README-fa.md)
 [<img title="German" alt="German" src="https://cdn.staticaly.com/gh/hjnilsson/country-flags/master/svg/de.svg" width="30">](docs/README-de.md)
 [<img title="Indian" alt="Indian" src="https://cdn.staticaly.com/gh/hjnilsson/country-flags/master/svg/in.svg" width="30">](docs/README-in.md)
+[<img title="Vietnamese" alt="Vietnamese" src="https://raw.githubusercontent.com/hampusborgos/country-flags/main/svg/vn.svg" width="30">](docs/README-vn.md)
 
 
 # Objective

docs/README-vn.md

@@ -0,0 +1,145 @@
+# BabyAGI
+
+# Mục tiêu
+
+Script Python này là một ví dụ về hệ thống quản lý công việc được trí tuệ nhân tạo hỗ trợ. 
+Hệ thống sử dụng OpenAI và cơ sở dữ liệu vector như Chroma hoặc Weaviate để tạo, 
+ưu tiên và thực hiện các công việc. Ý tưởng chính đằng sau hệ thống này là nó tạo ra các 
+đầu việc dựa trên kết quả của các nhiệm vụ trước đó và một mục tiêu đã được xác định trước. 
+Sau đó, script sử dụng khả năng xử lý ngôn ngữ tự nhiên (NLP) của OpenAI để tạo ra các công việc 
+mới dựa trên mục tiêu, và sử dụng Chroma/Weaviate để lưu trữ và truy xuất
+kết quả công việc trước đó để có bối cảnh (context). Đây là phiên bản rút gọn của 
+[Task-Driven Autonomous Agent](https://twitter.com/yoheinakajima/status/1640934493489070080?s=20) 
+(28 tháng 3 năm 2023).
+
+Bản README này bao gồm:
+- [Cách script hoạt động](#how-it-works)
+- [Cách sử dụng script](#how-to-use)
+- [Các mô hình được hỗ trợ](#supported-models)
+- [Cảnh báo về việc chạy script liên tục](#continuous-script-warning)
+
+
+
+# Cách script hoạt động<a name="how-it-works"></a>
+
+Script này hoạt động bằng cách chạy một vòng lặp vô hạn và thực hiện các bước sau:
+1. Lấy công việc đầu tiên từ danh sách công việc.
+2. Gửi công việc đến agent thực thi, sử dụng API của OpenAI để hoàn thành công việc dựa trên bối cảnh.
+3. Bổ sung kết quả và lưu trữ nó trong [Chroma](https://docs.trychroma.com)/[Weaviate](https://weaviate.io/).
+4. Tạo công việc mới và sắp xếp lại mức độ ưu tiên của danh sách công việc dựa trên mục tiêu và kết quả của công việc trước đó.
+
+
+   </br>
+
+![image](https://user-images.githubusercontent.com/21254008/235015461-543a897f-70cc-4b63-941a-2ae3c9172b11.png)
+
+Hàm `execution_agent()` sử dụng API của OpenAI. Nó nhận hai tham số: mục tiêu và công việc. 
+Sau đó, nó gửi một yêu cầu đầu vào (prompt) đến API của OpenAI, và nhận kết quả trả về từ đó. 
+Yêu cầu đầu vào (prompt) bao gồm mô tả công việc của hệ thống AI, mục tiêu và yêu cầu công việc. 
+Kết quả sau đó được trả về dưới dạng chuỗi.
+
+Hàm `task_creation_agent()` sử dụng API của OpenAI để tạo ra các công việc mới dựa trên mục tiêu
+và kết quả của công việc trước đó. Hàm nhận bốn tham số: mục tiêu, kết quả của công việc trước đó, mô tả công việc,
+và danh sách công việc hiện tại. Sau đó, nó gửi một yêu cầu đầu vào (prompt) đến API của OpenAI, và nhận danh sách
+công việc mới dưới dạng chuỗi. Hàm sau đó trả về các đầu việc mới dưới dạng danh sách các từ điển (dictionaries) chứa tên công việc.
+
+Hàm `prioritization_agent()` sử dụng API của OpenAI để sắp xếp lại danh sách công việc dựa trên mức độ ưu tiên. 
+Hàm nhận một tham số: ID của công việc hiện tại. Nó gửi một yêu cầu đầu vào (prompt) đến API của OpenAI, 
+và nhận danh sách công việc đã được sắp xếp lại dưới dạng danh sách có số thứ tự.
+
+Cuối cùng, script sử dụng Chroma/Weaviate để lưu trữ và truy xuất kết quả công việc để có bối cảnh.
+Script tạo một bộ sưu tập (collection) Chroma/Weaviate dựa trên tên bảng biểu được chỉ định trong biến TABLE_NAME.
+Chroma/Weaviate sau đó được sử dụng để lưu trữ kết quả của công việc trong bộ sưu tập, 
+cùng với tên công việc và bất kỳ siêu dữ liệu (metadata) nào khác.
+
+
+# Cách sử dụng script<a name="how-to-use"></a>
+
+Để sử dụng script, bạn cần thực hiện các bước sau:
+1. Clone repository bằng `git clone https://github.com/yoheinakajima/babyagi.git` và `cd` vào thư mục đã clone.
+2. Cài đặt các package cần thiết bằng lệnh: `pip install -r requirements.txt`
+3. Sao chép file *.env.example* thành *.env* bằng lệnh: `cp .env.example .env`. Đây là nơi bạn sẽ thiết lập các biến sau.
+4. Đặt API key của OpenAI vào biến OPENAI_API_KEY và OPENAI_API_MODEL. Để sử dụng với Weaviate, bạn cũng cần thiết lập thêm các biến bổ sung, chi tiết xem [ở đây](docs/weaviate.md).
+5. Đặt tên bảng biểu (table) mà kết quả công việc sẽ được lưu trữ vào biến TABLE_NAME.
+6. (Tùy chọn) Đặt tên của BabyAGI instance trong biến BABY_NAME.
+7. (Tùy chọn) Đặt mục tiêu của hệ thống quản lý công việc trong biến OBJECTIVE.
+8. (Tùy chọn) Đặt công việc đầu tiên của hệ thống trong biến INITIAL_TASK.
+9. Chạy script: `python babyagi.py`
+
+Tất cả các giá trị tùy chọn ở trên cũng có thể được chỉ định khi chạy lệnh.
+
+# Chạy script trong Docker container
+
+Để chạy hệ thống trong Docker container, bạn cần cài đặt docker và docker-compose. 
+Docker desktop là lựa chọn đơn giản nhất https://www.docker.com/products/docker-desktop/
+
+Để chạy hệ thống trong một Docker container, thiết lập file *.env* như các bước ở trên và chạy lệnh sau:
+
+        docker-compose up
+
+# Các mô hình được hỗ trợ<a name="supported-models"></a>
+
+Script này hoạt động được với tất cả các mô hình của OpenAI, cũng như Llama và các biến thể của nó thông qua Llama.cpp. 
+Mô hình mặc định là **gpt-3.5-turbo**. Để sử dụng một mô hình khác, chỉ định nó thông qua biến LLM_MODEL hoặc sử dụng giao diện dòng lệnh (command line).
+
+
+## Llama**
+
+Llama yêu cầu cài đặt package llama-cpp. Bạn cũng cần tải về weights của mô hình Llama.
+
+- **Không chia sẻ IPFS, magnet links, hoặc bất kỳ liên kết nào khác đến việc tải xuống mô hình ở bất kỳ nơi nào trong repository này, bao gồm trong issues, thảo luận hoặc pull requests. Chúng sẽ bị xóa ngay lập tức.**
+
+Một khi bạn đã cài đặt và tải về các files cần thiết, đặt LLAMA_MODEL_PATH tới đường dẫn của mô hình cụ thể mà 
+bạn muốn sử dụng. Để thuận tiện, bạn có thể liên kết `models` trong BabyAGI repo với thư mục chứa weights của
+mô hình Llama. Sau đó chạy script với `LLM_MODEL=llama` hoặc thêm `-l` argument.
+
+# Cảnh báo về việc chạy script liên tục<a name="continuous-script-warning"></a>
+
+Script này được thiết kế để chạy liên tục như một phần của hệ thống quản lý công việc. 
+Chạy script này liên tục có thể dẫn đến số lượng request API gửi đi là rất lớn, vì vậy hãy sử dụng nó một cách có trách nhiệm. 
+Ngoài ra, BabyAGI script yêu cầu API của OpenAI được thiết lập đúng cách, vì vậy hãy chắc chắn rằng bạn đã set up API trước khi chạy script.
+
+
+# Đóng góp
+
+Cảm ơn bạn đã quan tâm đến việc đóng góp cho BabyAGI! 
+Để giữ cho BabyAGI đơn giản và dễ hiểu, chúng tôi đề xuất bạn tuân thủ các hướng dẫn sau khi gửi PR:
+- Tập trung vào các sửa đổi nhỏ, từng phần hơn là việc tái cấu trúc lớn.
+- Khi giới thiệu các tính năng mới, hãy cung cấp mô tả chi tiết về trường hợp sử dụng cụ thể mà bạn đang giải quyết.
+
+Lời ghi chú từ @yoheinakajima(Mùng 5 tháng 4 năm 2023):
+> Tôi biết có nhiều PR đang chờ xử lý, cảm ơn sự kiên nhẫn của bạn - vì tôi vừa mới bắt đầu với GitHub/OpenSource,
+> và không dự định thời gian của mình một cách hợp lý trong tuần này. Về hướng đi, tôi đang phân vân giữa giữ 
+> nó đơn giản và mở rộng - hiện tôi đang hướng về việc giữ một Baby AGI cốt lõi đơn giản, và sử dụng nó như 
+> một nền tảng để hỗ trợ và quảng bá các phương pháp khác nhau để mở rộng nó (ví dụ: BabyAGIxLangchain là 
+> một hướng đi). Tôi tin rằng có nhiều phương pháp có giá trị để khám phá, và tôi thấy giá trị trong việc có 
+> một nơi trung tâm để so sánh và thảo luận. Sắp tới sẽ có thêm nhiều cập nhật.
+
+Tôi mới bắt đầu với GitHub và open source, vì vậy hãy kiên nhẫn khi tôi học cách quản lý dự án này
+một cách tốt nhất. Tôi làm việc tại một quỹ đầu tư mạo hiểm vào ban ngày, vì vậy tôi thường xem qua PR và issues
+vào buổi tối sau khi đưa con cái đi ngủ - có thể không phải mỗi tối. Tôi chào đón các ý tưởng về việc có thêm
+sự hỗ trợ, và tôi sẽ cập nhật phần này sớm thôi (kỳ vọng, tầm nhìn, v.v.). 
+Tôi đang nói chuyện với nhiều người và cùng lúc học hỏi thêm - hãy kiên nhẫn chờ đợi cập nhật nhé!
+
+# Báo cáo hoạt động BabyAGI
+
+Để giúp cộng đồng BabyAGI cập nhật thông tin về tiến trình dự án, Blueprint AI đã phát triển một bộ tóm tắt 
+hoạt động Github cho BabyAGI. Báo cáo ngắn gọn này hiển thị tóm tắt tất cả các đóng góp vào repository BabyAGI trong
+7 ngày qua (liên tục cập nhật), giúp bạn dễ dàng theo dõi các cập nhật mới nhất.
+
+Để xem báo cáo hoạt động 7 ngày của BabyAGI, hãy truy cập vào đây: [https://app.blueprint.ai/github/yoheinakajima/babyagi](https://app.blueprint.ai/github/yoheinakajima/babyagi)
+
+[<img width="293" alt="image" src="https://user-images.githubusercontent.com/334530/235789974-f49d3cbe-f4df-4c3d-89e9-bfb60eea6308.png">](https://app.blueprint.ai/github/yoheinakajima/babyagi)
+
+# Các dự án được truyền cảm hứng
+
+Trong thời gian ngắn kể từ khi nó được phát hành, BabyAGI đã truyền cảm hứng cho nhiều dự án. 
+Bạn có thể xem tất cả chúng [tại đây](docs/inspired-projects.md).
+
+# Nguồn gốc
+
+BabyAGI là phiên bản rút gọn của [Task-Driven Autonomous Agent](https://twitter.com/yoheinakajima/status/1640934493489070080?s=20) 
+(28 tháng 3 năm 2023) được chia sẻ trên Twitter. Phiên bản này giảm xuống còn 140 dòng: 13 comment, 22 dòng trống, và 105 dòng code.
+Tên của repository được đặt ra sau khi phản ứng với agent tự động ban đầu - tác giả không có ý định ngụ ý rằng đây là AGI.
+
+Made with love bởi [@yoheinakajima](https://twitter.com/yoheinakajima), một nhà đầu tư mạo hiểm (và rất muốn biết bạn đang xây dựng cái gì!)