我正在构建一个人工智能项目：这些是我将要使用的库……

有了正确的库，任何开发人员都可以在他们的应用程序中构建强大的 AI 功能（就像 Ninja 🥷）。

在此列表中，我汇编了 7 个很棒的 AI 库，您可以使用它们（相对）轻松地实现当今的功能。

不要忘记给这些图书馆加注星标以表示您的支持。

星星⭐️

1. CopilotPortal：构建应用原生 AI 聊天机器人

应用内 AI 聊天机器人助手可以“查看”您当前的应用状态并在前端和后端采取行动。

一组完全可定制的反应组件和钩子以及用于建立 LLM 和您的应用程序之间的交互的架构。

定义useMakeCopilotReadable、useMakeCopilotActionable和CopilotSidebarUIProvider以使其运行。

import "@copilotkit/react-ui/styles.css";
import { CopilotProvider } from "@copilotkit/react-core";
import { CopilotSidebarUIProvider } from "@copilotkit/react-ui";

export default function App(): JSX.Element {
  return (
  <CopilotProvider chatApiEndpoint="/api/copilotkit/chat">
      <CopilotSidebarUIProvider>

        <YourContent />

      </CopilotSidebarUIProvider>
    </CopilotProvider>
  );
}

星际副驾驶门户⭐️

2. RAGxplorer – 可视化并探索您的 RAG 文档

RAGxplorer 是一个 Python 工具，用于可视化机器学习和自然语言处理中的 RAG（检索增强生成）文档。

以交互方式探索 RAG 流程中使用的文档内的连接和内容。

要设置 RAGxplorer，请在代码中定义 RAG 检查点路径并安装指定的依赖项。

import streamlit as st
from utils.rag import build_vector_database

st.set_page_config(page_title="RAGxplorer", page_icon="🔍")
uploaded_file = st.file_uploader("Upload your PDF", type='pdf')
query = st.text_input("Enter your query")
search = st.button("Search")
top_k = st.number_input("Number of Chunks", value=5, min_value=1)
st.session_state["chroma"] = build_vector_database(uploaded_file, ...)
st.session_state['retrieved_id'] = query_chroma(...)
plot_embeddings(...)

星际 RAGxplorer ⭐️

3. Tavily GPT 研究员- 获得法学硕士学位，用于搜索网络和数据库

Tavily 使您能够将 GPT 支持的研究和内容生成工具添加到您的 React 应用程序中，从而增强其数据处理和内容创建能力。

# Create an assistant
assistant = client.beta.assistants.create(
    instructions=assistant_prompt_instruction,
    model="gpt-4-1106-preview",
    tools=[{
        "type": "function",
        "function": {
            "name": "tavily_search",
            "description": "Get information on recent events from the web.",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {"type": "string", "description": "The search query to use. For example: 'Latest news on Nvidia stock performance'"},
                },
                "required": ["query"]
            }
        }
    }]
)

明星塔维利⭐️

4. Pezzo.ai - 开发者优先的LLMOps平台

用于管理您的 OpenAI 调用的集中平台。

优化你的提示和令牌使用。跟踪你的AI使用情况。

免费且易于集成。

const prompt = await pezzo.getPrompt("AnalyzeSentiment");
const response = await openai.chat.completions.create(prompt);

星佩佐⭐️

5. DeepEval——评估 LLM、RAG 和微调性能

DeepEval 是一个开源框架，它通过将评估视为单元测试来简化 LLM 的评估。

它提供了各种指标来评估 LLM 输出，其模块化设计允许开发人员定制他们的评估流程

要使用它，您需要安装库、编写测试用例并运行这些用例来评估您的 LLM 的性能。

Pytest Integration: 

from deepeval import assert_test
from deepeval.metrics import HallucinationMetric
from deepeval.test_case import LLMTestCase

test_case = LLMTestCase(
 input="How many evaluation metrics does DeepEval offers?",
 actual_output="14+ evaluation metrics",
 context=["DeepEval offers 14+ evaluation metrics"]
)
metric = HallucinationMetric(minimum_score=0.7)

def test_hallucination():
  assert_test(test_case, [metric])

星级深度评估⭐️

6. CopilotTextarea - React 应用中基于 AI 的写作

<textarea>使用 Github CopilotX 的功能来替代任何反应。

自动完成、插入、编辑。

可以实时提供任何上下文，或者由开发人员提前提供。

import { CopilotTextarea } from "@copilotkit/react-textarea";
import { CopilotProvider } from "@copilotkit/react-core";


// Provide context...
useMakeCopilotReadable(...)

// in your component...
<CopilotProvider>
    <CopilotTextarea/>
</CopilotProvider>`

星空副驾驶文本区域⭐️

7.SwirlSearch——人工智能搜索。

Swirl Search 是一个开源平台，它使用人工智能同时搜索多个数据源并提供起草的报告。

它可以搜索各种来源，包括搜索引擎、数据库和云服务，并且可以按照存储库中提供的安装说明轻松设置。

Swirl Search 建立在 Python/Django 堆栈上，根据 Apache 2.0 许可证发布，并以 Docker 镜像的形式提供，方便用户访问和定制。

星漩涡搜索⭐️

感谢阅读！别忘了收藏本文，分享你的感受，并支持和查看文中提到的优秀库。

干杯!

文章来源：https://dev.to/copilotkit/im-building-an-ai-project-here-are-the-libraries-im-going-to-use-pd0