プロジェクト デザインのコレクション (人工知能のディレクション): 新人が実戦でのスキルを迅速に習得し、プロジェクト デザインのアップグレードを独立して完了し、自身のハード パワーを向上させるのを支援します (NLP、ナレッジ グラフ、コンピューター ビジョンなどに限定されません): 意味のあるプロジェクト デザインを収集します。これらのコレクションは、初心者が実際の戦闘でスキルを迅速に習得できるようにするもので、ユーザーが CSDN プラットフォームをより有効に活用し、プロジェクト設計のアップグレードを独立して完了し、自身のハード パワーを向上させるのに役立ちます。
GPT Academic (GPT Academic): ワンクリック研磨、ワンクリック中国語-英語翻訳、ワンクリックコード説明、チャット分析レポート生成、PDF論文の全文翻訳、インターネット情報集約+GPT等をサポート。
ChatGPT/GLM は、特に最適化された紙の読み取り/研磨/書き込みエクスペリエンス、モジュラー設計、カスタム ショートカット ボタンと関数プラグインのサポート、Python と C++ およびその他のプロジェクト分析と自己翻訳機能、PDF/LaTex 紙のサポートなど、グラフィカル インタラクティブ インターフェイスを提供します。翻訳と要約機能は、複数の LLM モデルの並列クエリをサポートし、清華 chatglm などのローカル モデルをサポートします。Fudan MOSS、llama、rwkv、Pangu、newbing、claude などと互換性があります。
関数 | 説明 |
---|---|
ワンクリック研磨 | ワンクリックの修正と論文の文法エラーのワンクリック検索をサポート |
ワンクリックで中国語-英語翻訳 | ワンクリックで中国語-英語翻訳 |
ワンクリックでコードを解釈 | コードの表示、コードの説明、コードの生成、コードのコメント |
カスタムショートカット | カスタムショートカットキーをサポート |
モジュール設計 | カスタムの強力な機能プラグインをサポート、プラグインはホットアップデートをサポート |
自己プログラミング | 【関数プラグイン】ワンクリックでこのプロジェクトのソースコードが理解できます |
プログラム分析 | [関数プラグイン] ワンクリックで他の Python/C/C++/Java/Lua/… プロジェクト ツリーを分析できます |
論文を読む、論文を翻訳する | [機能プラグイン] ラテックス/PDF 論文の全文を解釈し、ワンクリックで抄録を生成します |
Latex の全文翻訳と洗練 | 【機能プラグイン】ラテックスペーパーのワンクリック翻訳・研磨 |
アノテーションのバッチ生成 | 【関数プラグイン】関数コメントをワンクリックで一括生成 |
マークダウン中国語-英語翻訳 | 【関数プラグイン】上記5言語のREADMEはご覧になりましたか? |
チャット分析レポートの生成 | 【関数プラグイン】実行後にサマリーレポートを自動生成 |
PDF論文の全文翻訳機能 | 【機能プラグイン】PDF論文タイトル&抄録+全文翻訳(マルチスレッド) |
Arxiv アシスタント | [関数プラグイン] arxiv 記事の URL を入力して抄録を翻訳 + ワンクリックで PDF をダウンロード |
Google Scholar 統合アシスタント | [関数プラグイン] Google Scholar ページの URL を指定すると、gpt が関連作品の作成を支援します。 |
インターネット情報集約+GPT | [関数プラグイン] GPTがインターネットから情報を取得し、ワンクリックで質問に回答できるようにすることで、情報が古くならないようにします |
⭐Arxiv論文の精緻な翻訳 | [関数プラグイン] arxiv論文をワンクリックで超高品質に翻訳、現時点で最高の論文翻訳ツール |
数式・写真・表表示 | 数式のテックスフォームとレンダリングフォームを同時に表示でき、数式とコードのハイライト表示をサポートします。 |
マルチスレッド関数プラグインのサポート | 複数行通話chatgptのサポート、大量のテキストまたはプログラムのワンクリック処理 |
ダークテーマを有効にする | /?__theme=dark ダークテーマを切り替えるには、ブラウザの URL の後に追加します。 |
複数の LLM モデルのサポート | GPT3.5、GPT4、Tsinghua ChatGLM、Fudan MOSSを同時に利用できるのは気持ちいいですよね? |
LLM モデルへのアクセスの増加、ハグフェイス展開のサポート | Newbing インターフェイス (New Bing) に参加し、LLaMAとPangu αをサポートするためのTsinghua Jittorllmsを導入します。 |
さらなる新機能の紹介 (画像生成など)... | このドキュメントの最後を参照してください... |
- 新しいインターフェース(
config.py
変更後のLAYOUTオプションで「左右レイアウト」と「上下レイアウト」の切り替えが実現可能)
- すべてのボタンは function.py を読み取ることで動的に生成され、カスタム関数を自由に追加でき、ペーストボードを解放できます。
- 研磨・修正
- 出力に数式が含まれている場合、テキスト形式とレンダリング形式で同時に表示されるため、コピーや読み取りに便利です。
- プロジェクトのコードを見るのが面倒ですか? プロジェクト全体が chatgpt に直接表示されます
- 複数の大規模言語モデルの混合呼び出し (ChatGLM + OpenAI-GPT3.5 + API2D -GPT4)
1. インストール方法 I: 直接実行 (Windows、Linux、または MacOS)
- ダウンロードアイテム
git clone https://github.com/binary-husky/gpt_academic.git
cd gpt_academic
- API_KEYを構成する
でconfig.py
API KEYなどを設定し、クリックすると特殊なネットワーク環境の設定方法が表示されます。
(PS プログラムの実行中、PS プログラムは最初に名前付きのプライベート構成ファイルがあるかどうかを確認しconfig_private.py
、その中の構成を使用してconfig.py
同じ名前の構成を上書きします。したがって、構成読み取りロジックを理解できる場合は、次のことを強くお勧めします。 「新しい構成ファイルを作成し、config.py
それに含まれる構成を転送 (コピー) します。これは git によって制御されないため、個人情報をより安全にすることができます。PS プロジェクトは、次の形式の参照ファイルの作成もサポートしています。 」ほとんどのオプションを設定して環境変数を取得します。読み取り優先度: > > )config_private.py
config.py
config_private.py
config_private.py
环境变量
docker-compose
环境变量
config_private.py
config.py
- 依存関係をインストールする
# (选择I: 如熟悉python)(python版本3.9以上,越新越好),备注:使用官方pip源或者阿里pip源,临时换源方法:python -m pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
python -m pip install -r requirements.txt
# (选择II: 如不熟悉python)使用anaconda,步骤也是类似的 (https://www.bilibili.com/video/BV1rc411W7Dr):
conda create -n gptac_venv python=3.11 # 创建anaconda环境
conda activate gptac_venv # 激活anaconda环境
python -m pip install -r requirements.txt # 这个步骤和pip安装一样的步骤
バックエンドとして Tsinghua ChatGLM/Fudan MOSS をサポートする必要がある場合は、ここをクリックして展開してください
[オプションの手順] Tsinghua ChatGLM/Fudan MOSS をバックエンドとしてサポートする必要がある場合は、さらに依存関係をインストールする必要があります (前提条件: Python に精通している + Pytorch を使用している + コンピューターの構成が十分であること)。
# 【可选步骤I】支持清华ChatGLM。清华ChatGLM备注:如果遇到"Call ChatGLM fail 不能正常加载ChatGLM的参数" 错误,参考如下: 1:以上默认安装的为torch+cpu版,使用cuda需要卸载torch重新安装torch+cuda; 2:如因本机配置不够无法加载模型,可以修改request_llm/bridge_chatglm.py中的模型精度, 将 AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True) 都修改为 AutoTokenizer.from_pretrained("THUDM/chatglm-6b-int4", trust_remote_code=True)
python -m pip install -r request_llm/requirements_chatglm.txt
# 【可选步骤II】支持复旦MOSS
python -m pip install -r request_llm/requirements_moss.txt
git clone https://github.com/OpenLMLab/MOSS.git request_llm/moss # 注意执行此行代码时,必须处于项目根路径
# 【可选步骤III】确保config.py配置文件的AVAIL_LLM_MODELS包含了期望的模型,目前支持的全部模型如下(jittorllms系列目前仅支持docker方案):
AVAIL_LLM_MODELS = ["gpt-3.5-turbo", "api2d-gpt-3.5-turbo", "gpt-4", "api2d-gpt-4", "chatglm", "newbing", "moss"] # + ["jittorllms_rwkv", "jittorllms_pangualpha", "jittorllms_llama"]
- 走る
python main.py
2. インストール方法 II: Docker を使用する
- ChatGPT のみ (ほとんどの人に推奨、docker-compose ソリューション 1 と同等)
git clone https://github.com/binary-husky/gpt_academic.git # 下载项目
cd gpt_academic # 进入路径
nano config.py # 用任意文本编辑器编辑config.py, 配置 “Proxy”, “API_KEY” 以及 “WEB_PORT” (例如50923) 等
docker build -t gpt-academic . # 安装
#(最后一步-选择1)在Linux环境下,用`--net=host`更方便快捷
docker run --rm -it --net=host gpt-academic
#(最后一步-选择2)在macOS/windows环境下,只能用-p选项将容器上的端口(例如50923)暴露给主机上的端口
docker run --rm -it -e WEB_PORT=50923 -p 50923:50923 gpt-academic
PS Latexのプラグイン機能に依存する必要がある場合はWikiを参照してください。さらに、docker-compose を直接使用して Latex 関数を取得することもできます (docker-compose.yml を変更し、スキーム 4 を保持し、他のスキームを削除します)。
- ChatGPT + ChatGLM + MOSS (Docker に精通している必要があります)
# 修改docker-compose.yml,保留方案2并删除其他方案。修改docker-compose.yml中方案2的配置,参考其中注释即可
docker-compose up
- ChatGPT + LLAMA + Pangu + RWKV (Docker に精通している必要があります)
# 修改docker-compose.yml,保留方案3并删除其他方案。修改docker-compose.yml中方案3的配置,参考其中注释即可
docker-compose up
3. 取り付け方法 III: その他の展開姿勢
-
ワンクリックでスクリプトを実行します。
Python 環境にまったく慣れていない Windows ユーザーは、Releaseでリリースされたワンクリック実行スクリプトをダウンロードして、ローカル モデルのないバージョンをインストールできます。スクリプトはoababooga
から寄稿されました。 -
docker-compose で実行します。
docker-compose.yml を読み、その指示に従ってください。 -
逆引き URL の使用方法は、API_URL_REDIRECT の指示
に従って設定できます。config.py
-
Microsoft Cloud Azure API は、(AZURE_ENDPOINT およびその他の 4 つの構成) の手順
に従って構成できます。config.py
-
リモート クラウド サーバーの展開 (クラウド サーバーの知識と経験が必要です)。導入 wiki-1
を参照してください。 -
WSL2 (Linux サブシステム用 Windows サブシステム) を使用します。導入 wiki-2
を参照してください。 -
第 2 レベルの URL ( など) で実行する方法
http://localhost/subpath
。FastAPI 操作手順
をご覧ください。
4.I: 新しい便利なボタン (学術ショートカット キー) をカスタマイズする
任意のテキスト エディタを開きcore_functional.py
、次のエントリを追加して、プログラムを再起動します。(ボタンが正常に追加され、表示されている場合は、プレフィックスとサフィックスの両方がホット変更をサポートしており、プログラムを再起動しなくても有効になります。) 次に例を示します
。
"超级英译中": {
# 前缀,会被加在你的输入之前。例如,用来描述你的要求,例如翻译、解释代码、润色等等
"Prefix": "请翻译把下面一段内容成中文,然后用一个markdown表格逐一解释文中出现的专有名词:\n\n",
# 后缀,会被加在你的输入之后。例如,配合前缀可以把你的输入内容用引号圈起来。
"Suffix": "",
},
4.II: カスタム関数プラグイン
強力な関数プラグインを作成して、想像できるあらゆるタスクを実行します。
このプロジェクトのプラグインの作成とデバッグの難易度は非常に低く、Python に関するある程度の基礎知識があれば、提供されているテンプレートに従って独自のプラグイン機能を実現できます。詳細については、関数プラグインのガイド
を参照してください。
5. 最新アップデート予定
5.1: 新機能のダイナミクス
- 会話保存機能。関数プラグイン領域で呼び出して、
保存当前的对话
現在の会話を読み取り可能かつ回復可能な HTML ファイルとして保存し、
関数プラグイン領域 (ドロップダウン メニュー) で呼び出して载入对话历史存档
前のセッションを復元します。
ヒント: ファイルを指定せずに直接クリックすると、载入对话历史存档
履歴 HTML アーカイブ キャッシュが表示されます。
- ⭐Latex/Arxiv論文翻訳機能⭐
- レポートを生成します。ほとんどのプラグインは実行後に作業レポートを生成します。
- モジュール式の機能設計、シンプルなインターフェースで強力な機能をサポート
- 他のオープンソース プロジェクトを解読する
- live2dを装飾するための小さな関数(デフォルトでは閉じられているため、変更する必要があります
config.py
)
- MOSS ラージ言語モデルのサポートを追加しました
- OpenAI画像生成
- OpenAI オーディオ分析と概要
- Latex の全文校正とエラー修正
バージョン 5.2 の反復:
-
バージョン 3.5(Todo): 自然言語を使用してこのプロジェクトのすべての関数プラグインを呼び出します (高優先度)
-
バージョン 3.4: +arxiv 紙翻訳、ラテックス紙修正機能
-
バージョン 3.3: +インターネット情報統合機能
-
バージョン 3.2: 関数プラグインは、より多くのパラメーター インターフェイスをサポートします (ダイアログ関数の保存、任意の言語コードの解釈 + 任意の LLM の組み合わせの同時クエリ)
-
バージョン 3.1: 複数の gpt モデルの同時クエリをサポートします。api2d をサポート、複数の apikey ロードバランシングをサポート
-
バージョン 3.0: chatglm およびその他の小規模な llm のサポート
-
バージョン 2.6: プラグイン構造がリファクタリングされ、対話性が向上し、さらにプラグインが追加されました
-
バージョン 2.5: 自己更新、大規模プロジェクトのソース コードを要約するときに長すぎるテキストとトークン オーバーフローの問題を解決
-
バージョン2.4: (1) PDF全文翻訳機能の追加、(2) 入力エリアの位置切り替え機能の追加、(3) 縦置きレイアウトオプションの追加、(4) マルチスレッド機能プラグインの最適化。
-
バージョン 2.3: 強化されたマルチスレッド対話性
-
バージョン 2.2: 関数プラグインはホット リロードをサポートします
-
バージョン 2.1: 折りたたみ可能なレイアウト
-
バージョン 2.0: モジュラー関数プラグインの導入
-
バージョン 1.0: 基本機能
-
既知の問題点
- 特定のブラウザ翻訳プラグインは、このソフトウェア フロントエンドの動作を妨げます。
- 現在、公式 Gradio には多くの互換性のバグがあります。必ず
requirement.txt
Gradio をインストールしてください。
5.3 chatgpt-academic プロジェクトの自己解釈レポート
ファイル名 | 機能説明 |
---|---|
check_proxy.py | エージェントの空き状況と地理的位置を確認する |
カラフル.py | コンソールは色付きのテキストを印刷します |
config.py | 構成とパラメータの設定 |
config_private.py | プライベート構成とパラメータ設定 |
コア機能.py | コア機能とパラメータ設定 |
クレイジー_ファンクショナル.py | 高度な機能のプラグインのコレクション |
main.py | 学術翻訳、テキスト処理、その他のクエリサービスを提供するチャットボットプログラム |
多言語.py | さまざまな言語を認識して翻訳する |
テーマ.py | Gradio アプリケーションのテーマをカスタマイズする |
ツールボックス.py | さまざまな機能の実装を支援するために使用されるツール クラス ライブラリ |
クレイジーファンクション\クレイジーファンクションテスト.py | crazy_functions でさまざまな関数をテストする |
クレイジー関数\クレイジー_utils.py | 文字列処理、異常検出、Markdown形式変換などのツール機能 |
crazy_functions\Latex 全文 Polishing.py | Latex プロジェクト全体を磨き、修正する |
crazy_functions\Latex 全文翻訳.py | Latex プロジェクト全体を翻訳する |
クレイジー関数\__init__.py | モジュール初期化ファイル、crazy_functions パッケージであることを識別します |
crazy_functions\arxiv 論文翻訳の概要.py をダウンロード | arxiv 論文の PDF ファイルをダウンロードし、要約と翻訳を抽出します |
クレイジー関数\コードを完全な English_multithreading.py に書き換えました | Python ソース コード ファイルの中国語コンテンツを英語に変換する |
クレイジー関数\画像生成.py | GPT モデルを使用して、インセンティブ テキストに基づいて対応する画像を生成します |
crazy_functions\对话历史存档.py | 将每次对话记录写入Markdown格式的文件中 |
crazy_functions\总结word文档.py | 对输入的word文档进行摘要生成 |
crazy_functions\总结音视频.py | 对输入的音视频文件进行摘要生成 |
crazy_functions\批量Markdown翻译.py | 将指定目录下的Markdown文件进行中英文翻译 |
crazy_functions\批量总结PDF文档.py | 对PDF文件进行切割和摘要生成 |
crazy_functions\批量总结PDF文档pdfminer.py | 对PDF文件进行文本内容的提取和摘要生成 |
crazy_functions\批量翻译PDF文档_多线程.py | 将指定目录下的PDF文件进行中英文翻译 |
crazy_functions\理解PDF文档内容.py | 对PDF文件进行摘要生成和问题解答 |
crazy_functions\生成函数注释.py | 自动生成Python函数的注释 |
crazy_functions\联网的ChatGPT.py | 使用网络爬虫和ChatGPT模型进行聊天回答 |
crazy_functions\解析JupyterNotebook.py | 对Jupyter Notebook进行代码解析 |
crazy_functions\解析项目源代码.py | 对指定编程语言的源代码进行解析 |
crazy_functions\询问多个大语言模型.py | 使用多个大语言模型对输入进行处理和回复 |
crazy_functions\读文章写摘要.py | 对论文进行解析和全文摘要生成 |
crazy_functions\谷歌检索小助手.py | 提供谷歌学术搜索页面中相关文章的元数据信息。 |
crazy_functions\高级功能函数模板.py | 使用Unsplash API发送相关图片以回复用户的输入。 |
request_llm\bridge_all.py | 基于不同LLM模型进行对话。 |
request_llm\bridge_chatglm.py | 使用ChatGLM模型生成回复,支持单线程和多线程方式。 |
request_llm\bridge_chatgpt.py | 基于GPT模型完成对话。 |
request_llm\bridge_jittorllms_llama.py | 使用JittorLLMs模型完成对话,支持单线程和多线程方式。 |
request_llm\bridge_jittorllms_pangualpha.py | 使用JittorLLMs模型完成对话,基于多进程和多线程方式。 |
request_llm\bridge_jittorllms_rwkv.py | 使用JittorLLMs模型完成聊天功能,提供包括历史信息、参数调节等在内的多个功能选项。 |
request_llm\bridge_moss.py | 加载Moss模型完成对话功能。 |
request_llm\bridge_newbing.py | 使用Newbing聊天机器人进行对话,支持单线程和多线程方式。 |
request_llm\bridge_newbingfree.py | 基于Bing chatbot API实现聊天机器人的文本生成功能。 |
request_llm\bridge_stackclaude.py | 基于Slack API实现Claude与用户的交互。 |
request_llm\bridge_tgui.py | 通过websocket实现聊天机器人与UI界面交互。 |
request_llm\edge_gpt.py | 调用Bing chatbot API提供聊天机器人服务。 |
request_llm\edge_gpt_free.py | 实现聊天机器人API,采用aiohttp和httpx工具库。 |
request_llm\test_llms.py | 对llm模型进行单元测试。 |
接下来请你逐文件分析下面的工程[0/48] 请对下面的程序文件做一个概述: check_proxy.py
这个文件主要包含了五个函数:
-
check_proxy
:用于检查代理的有效性及地理位置,输出代理配置和所在地信息。 -
backup_and_download
:用于备份当前版本并下载新版本。 -
patch_and_restart
:用于覆盖更新当前版本并重新启动程序。 -
get_current_version
:用于获取当前程序的版本号。 -
auto_update
:用于自动检查新版本并提示用户更新。如果用户选择更新,则备份并下载新版本,覆盖更新当前版本并重新启动程序。如果更新失败,则输出错误信息,并不会向用户进行任何提示。
还有一个没有函数名的语句os.environ['no_proxy'] = '*'
,用于设置环境变量,避免代理网络产生意外污染。
此外,该文件导入了以下三个模块/函数:
requests
shutil
os
[1/48] 请对下面的程序文件做一个概述: colorful.py
该文件是一个Python脚本,用于在控制台中打印彩色文字。该文件包含了一些函数,用于以不同颜色打印文本。其中,红色、绿色、黄色、蓝色、紫色、靛色分别以函数 print红、print绿、print黄、print蓝、print紫、print靛 的形式定义;亮红色、亮绿色、亮黄色、亮蓝色、亮紫色、亮靛色分别以 print亮红、print亮绿、print亮黄、print亮蓝、print亮紫、print亮靛 的形式定义。它们使用 ANSI Escape Code 将彩色输出从控制台突出显示。如果运行在 Linux 操作系统上,文件所执行的操作被留空;否则,该文件导入了 colorama 库并调用 init() 函数进行初始化。最后,通过一系列条件语句,该文件通过将所有彩色输出函数的名称重新赋值为 print 函数的名称来避免输出文件的颜色问题。
[2/48] 请对下面的程序文件做一个概述: config.py
这个程序文件是用来配置和参数设置的。它包含了许多设置,如API key,使用代理,线程数,默认模型,超时时间等等。此外,它还包含了一些高级功能,如URL重定向等。这些设置将会影响到程序的行为和性能。
[3/48] 请对下面的程序文件做一个概述: config_private.py
这个程序文件是一个Python脚本,文件名为config_private.py。其中包含以下变量的赋值:
- API_KEY:API密钥。
- USE_PROXY:是否应用代理。
- proxies:如果使用代理,则设置代理网络的协议(socks5/http)、地址(localhost)和端口(11284)。
- DEFAULT_WORKER_NUM:默认的工作线程数量。
- SLACK_CLAUDE_BOT_ID:Slack机器人ID。
- SLACK_CLAUDE_USER_TOKEN:Slack用户令牌。
[4/48] 请对下面的程序文件做一个概述: core_functional.py
这是一个名为core_functional.py的源代码文件,该文件定义了一个名为get_core_functions()的函数,该函数返回一个字典,该字典包含了各种学术翻译润色任务的说明和相关参数,如颜色、前缀、后缀等。这些任务包括英语学术润色、中文学术润色、查找语法错误、中译英、学术中英互译、英译中、找图片和参考文献转Bib。其中,一些任务还定义了预处理函数用于处理任务的输入文本。
[5/48] 请对下面的程序文件做一个概述: crazy_functional.py
此程序文件(crazy_functional.py)是一个函数插件集合,包含了多个函数插件的定义和调用。这些函数插件旨在提供一些高级功能,如解析项目源代码、批量翻译PDF文档和Latex全文润色等。其中一些插件还支持热更新功能,不需要重启程序即可生效。文件中的函数插件按照功能进行了分类(第一组和第二组),并且有不同的调用方式(作为按钮或下拉菜单)。
[6/48] 请对下面的程序文件做一个概述: main.py
这是一个Python程序文件,文件名为main.py。该程序包含一个名为main的函数,程序会自动运行该函数。程序要求已经安装了gradio、os等模块,会根据配置文件加载代理、model、API Key等信息。程序提供了Chatbot功能,实现了一个对话界面,用户可以输入问题,然后Chatbot可以回答问题或者提供相关功能。程序还包含了基础功能区、函数插件区、更换模型 & SysPrompt & 交互界面布局、备选输入区,用户可以在这些区域选择功能和插件进行使用。程序中还包含了一些辅助模块,如logging等。
[7/48] 请对下面的程序文件做一个概述: multi_language.py
该文件multi_language.py是用于将项目翻译成不同语言的程序。它包含了以下函数和变量:lru_file_cache、contains_chinese、split_list、map_to_json、read_map_from_json、advanced_split、trans、trans_json、step_1_core_key_translate、CACHE_FOLDER、blacklist、LANG、TransPrompt、cached_translation等。注释和文档字符串提供了有关程序的说明,例如如何使用该程序,如何修改“LANG”和“TransPrompt”变量等。
[8/48] 请对下面的程序文件做一个概述: theme.py
这是一个Python源代码文件,文件名为theme.py。此文件中定义了一个函数adjust_theme,其功能是自定义gradio应用程序的主题,包括调整颜色、字体、阴影等。如果允许,则添加一个看板娘。此文件还包括变量advanced_css,其中包含一些CSS样式,用于高亮显示代码和自定义聊天框样式。此文件还导入了get_conf函数和gradio库。
[9/48] 请对下面的程序文件做一个概述: toolbox.py
toolbox.py是一个工具类库,其中主要包含了一些函数装饰器和小工具函数,用于协助实现聊天机器人所需的各种功能,包括文本处理、功能插件加载、异常检测、Markdown格式转换,文件读写等等。此外,该库还包含一些依赖、参数配置等信息。该库易于理解和维护。
[10/48] 请对下面的程序文件做一个概述: crazy_functions\crazy_functions_test.py
这个文件是一个Python测试模块,用于测试crazy_functions中的各种函数插件。这些函数包括:解析Python项目源代码、解析Cpp项目源代码、Latex全文润色、Markdown中译英、批量翻译PDF文档、谷歌检索小助手、总结word文档、下载arxiv论文并翻译摘要、联网回答问题、和解析Jupyter Notebooks。对于每个函数插件,都有一个对应的测试函数来进行测试。
[11/48] 请对下面的程序文件做一个概述: crazy_functions\crazy_utils.py
这个Python文件中包括了两个函数:
input_clipping
: 该函数用于裁剪输入文本长度,使其不超过一定的限制。request_gpt_model_in_new_thread_with_ui_alive
: 该函数用于请求 GPT 模型并保持用户界面的响应,支持多线程和实时更新用户界面。
这两个函数都依赖于从 toolbox
和 request_llm
中导入的一些工具函数。函数的输入和输出有详细的描述文档。
[12/48] 请对下面的程序文件做一个概述: crazy_functions\Latex全文润色.py
这是一个Python程序文件,文件名为crazy_functions\Latex全文润色.py。文件包含了一个PaperFileGroup类和三个函数Latex英文润色,Latex中文润色和Latex英文纠错。程序使用了字符串处理、正则表达式、文件读写、多线程等技术,主要作用是对整个Latex项目进行润色和纠错。其中润色和纠错涉及到了对文本的语法、清晰度和整体可读性等方面的提升。此外,该程序还参考了第三方库,并封装了一些工具函数。
[13/48] 请对下面的程序文件做一个概述: crazy_functions\Latex全文翻译.py
这个文件包含两个函数 Latex英译中
和 Latex中译英
,它们都会对整个Latex项目进行翻译。这个文件还包含一个类 PaperFileGroup
,它拥有一个方法 run_file_split
,用于把长文本文件分成多个短文件。其中使用了工具库 toolbox
中的一些函数和从 request_llm
中导入了 model_info
。接下来的函数把文件读取进来,把它们的注释删除,进行分割,并进行翻译。这个文件还包括了一些异常处理和界面更新的操作。
[14/48] 请对下面的程序文件做一个概述: crazy_functions_init_.py
这是一个Python模块的初始化文件(init.py),命名为"crazy_functions"。该模块包含了一些疯狂的函数,但该文件并没有实现这些函数,而是作为一个包(package)来导入其它的Python模块以实现这些函数。在该文件中,没有定义任何类或函数,它唯一的作用就是标识"crazy_functions"模块是一个包。
[15/48] 请对下面的程序文件做一个概述: crazy_functions\下载arxiv论文翻译摘要.py
这是一个 Python 程序文件,文件名为 下载arxiv论文翻译摘要.py
。程序包含多个函数,其中 下载arxiv论文并翻译摘要
函数的作用是下载 arxiv
论文的 PDF 文件,提取摘要并使用 GPT 对其进行翻译。其他函数包括用于下载 arxiv
论文的 download_arxiv_
函数和用于获取文章信息的 get_name
函数,其中涉及使用第三方库如 requests, BeautifulSoup 等。该文件还包含一些用于调试和存储文件的代码段。
[16/48] 请对下面的程序文件做一个概述: crazy_functions\代码重写为全英文_多线程.py
该程序文件是一个多线程程序,主要功能是将指定目录下的所有Python代码文件中的中文内容转化为英文,并将转化后的代码存储到一个新的文件中。其中,程序使用了GPT-3等技术进行中文-英文的转化,同时也进行了一些Token限制下的处理,以防止程序发生错误。程序在执行过程中还会输出一些提示信息,并将所有转化过的代码文件存储到指定目录下。在程序执行结束后,还会生成一个任务执行报告,记录程序运行的详细信息。
[17/48] 请对下面的程序文件做一个概述: crazy_functions\图片生成.py
该程序文件提供了一个用于生成图像的函数图片生成
。函数实现的过程中,会调用gen_image
函数来生成图像,并返回图像生成的网址和本地文件地址。函数有多个参数,包括prompt
(激励文本)、llm_kwargs
(GPT模型的参数)、plugin_kwargs
(插件模型的参数)等。函数核心代码使用了requests
库向OpenAI API请求图像,并做了简单的处理和保存。函数还更新了交互界面,清空聊天历史并显示正在生成图像的消息和最终的图像网址和预览。
[18/48] 请对下面的程序文件做一个概述: crazy_functions\对话历史存档.py
这个文件是名为crazy_functions\对话历史存档.py的Python程序文件,包含了4个函数:
-
write_chat_to_file(chatbot, history=None, file_name=None):用来将对话记录以Markdown格式写入文件中,并且生成文件名,如果没指定文件名则用当前时间。写入完成后将文件路径打印出来。
-
gen_file_preview(file_name):从传入的文件中读取内容,解析出对话历史记录并返回前100个字符,用于文件预览。
-
read_file_to_chat(chatbot, history, file_name):从传入的文件中读取内容,解析出对话历史记录并更新聊天显示框。
-
对话历史存档(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, web_port):一个主要函数,用于保存当前对话记录并提醒用户。如果用户希望加载历史记录,则调用read_file_to_chat()来更新聊天显示框。如果用户希望删除历史记录,调用删除所有本地对话历史记录()函数完成删除操作。
[19/48] 请对下面的程序文件做一个概述: crazy_functions\总结word文档.py
该程序文件实现了一个总结Word文档的功能,使用Python的docx库读取docx格式的文件,使用pywin32库读取doc格式的文件。程序会先根据传入的txt参数搜索需要处理的文件,并逐个解析其中的内容,将内容拆分为指定长度的文章片段,然后使用另一个程序文件中的request_gpt_model_in_new_thread_with_ui_alive函数进行中文概述。最后将所有的总结结果写入一个文件中,并在界面上进行展示。
[20/48] 请对下面的程序文件做一个概述: crazy_functions\总结音视频.py
该程序文件包括两个函数:split_audio_file()和AnalyAudio(),并且导入了一些必要的库并定义了一些工具函数。split_audio_file用于将音频文件分割成多个时长相等的片段,返回一个包含所有切割音频片段文件路径的列表,而AnalyAudio用来分析音频文件,通过调用whisper模型进行音频转文字并使用GPT模型对音频内容进行概述,最终将所有总结结果写入结果文件中。
[21/48] 请对下面的程序文件做一个概述: crazy_functions\批量Markdown翻译.py
该程序文件名为批量Markdown翻译.py
,包含了以下功能:读取Markdown文件,将长文本分离开来,将Markdown文件进行翻译(英译中和中译英),整理结果并退出。程序使用了多线程以提高效率。程序使用了tiktoken
依赖库,可能需要额外安装。文件中还有一些其他的函数和类,但与文件名所描述的功能无关。
[22/48] 请对下面的程序文件做一个概述: crazy_functions\批量总结PDF文档.py
该文件是一个Python脚本,名为crazy_functions\批量总结PDF文档.py。在导入了一系列库和工具函数后,主要定义了5个函数,其中包括一个错误处理装饰器(@CatchException),用于批量总结PDF文档。该函数主要实现对PDF文档的解析,并调用模型生成中英文摘要。
[23/48] 请对下面的程序文件做一个概述: crazy_functions\批量总结PDF文档pdfminer.py
该程序文件是一个用于批量总结PDF文档的函数插件,使用了pdfminer插件和BeautifulSoup库来提取PDF文档的文本内容,对每个PDF文件分别进行处理并生成中英文摘要。同时,该程序文件还包括一些辅助工具函数和处理异常的装饰器。
[24/48] 请对下面的程序文件做一个概述: crazy_functions\批量翻译PDF文档_多线程.py
这个程序文件是一个Python脚本,文件名为“批量翻译PDF文档_多线程.py”。它主要使用了“toolbox”、“request_gpt_model_in_new_thread_with_ui_alive”、“request_gpt_model_multi_threads_with_very_awesome_ui_and_high_efficiency”、“colorful”等Python库和自定义的模块“crazy_utils”的一些函数。程序实现了一个批量翻译PDF文档的功能,可以自动解析PDF文件中的基础信息,递归地切割PDF文件,翻译和处理PDF论文中的所有内容,并生成相应的翻译结果文件(包括md文件和html文件)。功能比较复杂,其中需要调用多个函数和依赖库,涉及到多线程操作和UI更新。文件中有详细的注释和变量命名,代码比较清晰易读。
[25/48] 请对下面的程序文件做一个概述: crazy_functions\理解PDF文档内容.py
该程序文件实现了一个名为“理解PDF文档内容”的函数,该函数可以为输入的PDF文件提取摘要以及正文各部分的主要内容,并在提取过程中根据上下文关系进行学术性问题解答。该函数依赖于多个辅助函数和第三方库,并在执行过程中针对可能出现的异常进行了处理。
[26/48] 请对下面的程序文件做一个概述: crazy_functions\生成函数注释.py
该程序文件是一个Python模块文件,文件名为“生成函数注释.py”,定义了两个函数:一个是生成函数注释的主函数“生成函数注释”,另一个是通过装饰器实现异常捕捉的函数“批量生成函数注释”。该程序文件依赖于“toolbox”和本地“crazy_utils”模块,并且在运行时使用了多线程技术和GPT模型来生成注释。函数生成的注释结果使用Markdown表格输出并写入历史记录文件。
[27/48] 请对下面的程序文件做一个概述: crazy_functions\联网的ChatGPT.py
这是一个名为联网的ChatGPT.py
的Python程序文件,其中定义了一个函数连接网络回答问题
。该函数通过爬取搜索引擎的结果和访问网页来综合回答给定的问题,并使用ChatGPT模型完成回答。此外,该文件还包括一些工具函数,例如从网页中抓取文本和使用代理访问网页。
[28/48] 请对下面的程序文件做一个概述: crazy_functions\解析JupyterNotebook.py
这个程序文件包含了两个函数: parseNotebook()
和解析ipynb文件()
,并且引入了一些工具函数和类。parseNotebook()
函数将Jupyter Notebook文件解析为文本代码块,解析ipynb文件()
函数则用于解析多个Jupyter Notebook文件,使用parseNotebook()
解析每个文件和一些其他的处理。函数中使用了多线程处理输入和输出,并且将结果写入到文件中。
[29/48] 请对下面的程序文件做一个概述: crazy_functions\解析项目源代码.py
这是一个源代码分析的Python代码文件,其中定义了多个函数,包括解析一个Python项目、解析一个C项目、解析一个C项目的头文件和解析一个Java项目等。其中解析源代码新函数是实际处理源代码分析并生成报告的函数。该函数首先会逐个读取传入的源代码文件,生成对应的请求内容,通过多线程发送到chatgpt进行分析。然后将结果写入文件,并进行汇总分析。最后通过调用update_ui函数刷新界面,完整实现了源代码的分析。
[30/48] 请对下面的程序文件做一个概述: crazy_functions\询问多个大语言模型.py
该程序文件包含两个函数:同时问询()和同时问询_指定模型(),它们的作用是使用多个大语言模型同时对用户输入进行处理,返回对应模型的回复结果。同时问询()会默认使用ChatGPT和ChatGLM两个模型,而同时问询_指定模型()则可以指定要使用的模型。该程序文件还引用了其他的模块和函数库。
[31/48] 请对下面的程序文件做一个概述: crazy_functions\读文章写摘要.py
这个程序文件是一个Python模块,文件名为crazy_functions\读文章写摘要.py。该模块包含了两个函数,其中主要函数是"读文章写摘要"函数,其实现了解析给定文件夹中的tex文件,对其中每个文件的内容进行摘要生成,并根据各论文片段的摘要,最终生成全文摘要。第二个函数是"解析Paper"函数,用于解析单篇论文文件。其中用到了一些工具函数和库,如update_ui、CatchException、report_execption、write_results_to_file等。
[32/48] 请对下面的程序文件做一个概述: crazy_functions\谷歌检索小助手.py
该文件是一个Python模块,文件名为“谷歌检索小助手.py”。该模块包含两个函数,一个是“get_meta_information()”,用于从提供的网址中分析出所有相关的学术文献的元数据信息;另一个是“谷歌检索小助手()”,是主函数,用于分析用户提供的谷歌学术搜索页面中出现的文章,并提取相关信息。其中,“谷歌检索小助手()”函数依赖于“get_meta_information()”函数,并调用了其他一些Python模块,如“arxiv”、“math”、“bs4”等。
[33/48] 请对下面的程序文件做一个概述: crazy_functions\高级功能函数模板.py
该程序文件定义了一个名为高阶功能模板函数的函数,该函数接受多个参数,包括输入的文本、gpt模型参数、插件模型参数、聊天显示框的句柄、聊天历史等,并利用送出请求,使用 Unsplash API 发送相关图片。其中,为了避免输入溢出,函数会在开始时清空历史。函数也有一些 UI 更新的语句。该程序文件还依赖于其他两个模块:CatchException 和 update_ui,以及一个名为 request_gpt_model_in_new_thread_with_ui_alive 的来自 crazy_utils 模块(应该是自定义的工具包)的函数。
[34/48] 请对下面的程序文件做一个概述: request_llm\bridge_all.py
该文件包含两个函数:predict和predict_no_ui_long_connection,用于基于不同的LLM模型进行对话。该文件还包含一个lazyloadTiktoken类和一个LLM_CATCH_EXCEPTION修饰器函数。其中lazyloadTiktoken类用于懒加载模型的tokenizer,LLM_CATCH_EXCEPTION用于错误处理。整个文件还定义了一些全局变量和模型信息字典,用于引用和配置LLM模型。
[35/48] 请对下面的程序文件做一个概述: request_llm\bridge_chatglm.py
这是一个Python程序文件,名为bridge_chatglm.py
,其中定义了一个名为GetGLMHandle
的类和三个方法:predict_no_ui_long_connection
、 predict
和 stream_chat
。该文件依赖于多个Python库,如transformers
和sentencepiece
。该文件实现了一个聊天机器人,使用ChatGLM模型来生成回复,支持单线程和多线程方式。程序启动时需要加载ChatGLM的模型和tokenizer,需要一段时间。在配置文件config.py
中设置参数会影响模型的内存和显存使用,因此程序可能会导致低配计算机卡死。
[36/48] 请对下面的程序文件做一个概述: request_llm\bridge_chatgpt.py
该文件为 Python 代码文件,文件名为 request_llm\bridge_chatgpt.py。该代码文件主要提供三个函数:predict、predict_no_ui和 predict_no_ui_long_connection,用于发送至 chatGPT 并等待回复,获取输出。该代码文件还包含一些辅助函数,用于处理连接异常、生成 HTTP 请求等。该文件的代码架构清晰,使用了多个自定义函数和模块。
[37/48] 请对下面的程序文件做一个概述: request_llm\bridge_jittorllms_llama.py
该代码文件实现了一个聊天机器人,其中使用了 JittorLLMs 模型。主要包括以下几个部分:
- GetGLMHandle 类:一个进程类,用于加载 JittorLLMs 模型并接收并处理请求。
- predict_no_ui_long_connection 函数:一个多线程方法,用于在后台运行聊天机器人。
- predict 函数:一个单线程方法,用于在前端页面上交互式调用聊天机器人,以获取用户输入并返回相应的回复。
这个文件中还有一些辅助函数和全局变量,例如 importlib、time、threading 等。
[38/48] 请对下面的程序文件做一个概述: request_llm\bridge_jittorllms_pangualpha.py
这个文件是为了实现使用jittorllms(一种机器学习模型)来进行聊天功能的代码。其中包括了模型加载、模型的参数加载、消息的收发等相关操作。其中使用了多进程和多线程来提高性能和效率。代码中还包括了处理依赖关系的函数和预处理函数等。
[39/48] 请对下面的程序文件做一个概述: request_llm\bridge_jittorllms_rwkv.py
这个文件是一个Python程序,文件名为request_llm\bridge_jittorllms_rwkv.py。它依赖transformers、time、threading、importlib、multiprocessing等库。在文件中,通过定义GetGLMHandle类加载jittorllms模型参数和定义stream_chat方法来实现与jittorllms模型的交互。同时,该文件还定义了predict_no_ui_long_connection和predict方法来处理历史信息、调用jittorllms模型、接收回复信息并输出结果。
[40/48] 请对下面的程序文件做一个概述: request_llm\bridge_moss.py
该文件为一个Python源代码文件,文件名为 request_llm\bridge_moss.py。代码定义了一个 GetGLMHandle 类和两个函数 predict_no_ui_long_connection 和 predict。
GetGLMHandle 类继承自Process类(多进程),主要功能是启动一个子进程并加载 MOSS 模型参数,通过 Pipe 进行主子进程的通信。该类还定义了 check_dependency、moss_init、run 和 stream_chat 等方法,其中 check_dependency 和 moss_init 是子进程的初始化方法,run 是子进程运行方法,stream_chat 实现了主进程和子进程的交互过程。
函数 predict_no_ui_long_connection 是多线程方法,调用 GetGLMHandle 类加载 MOSS 参数后使用 stream_chat 实现主进程和子进程的交互过程。
函数 predict 是单线程方法,通过调用 update_ui 将交互过程中 MOSS 的回复实时更新到UI(User Interface)中,并执行一个 named function(additional_fn)指定的函数对输入进行预处理。
[41/48] 请对下面的程序文件做一个概述: request_llm\bridge_newbing.py
这是一个名为bridge_newbing.py
的程序文件,包含三个部分:
第一部分使用from语句导入了edge_gpt
模块的NewbingChatbot
类。
第二部分定义了一个名为NewBingHandle
的继承自进程类的子类,该类会检查依赖性并启动进程。同时,该部分还定义了一个名为predict_no_ui_long_connection
的多线程方法和一个名为predict
的单线程方法,用于与NewBing进行通信。
第三部分定义了一个名为newbing_handle
的全局变量,并导出了predict_no_ui_long_connection
和predict
这两个方法,以供其他程序可以调用。
[42/48] 请对下面的程序文件做一个概述: request_llm\bridge_newbingfree.py
这个Python文件包含了三部分内容。第一部分是来自edge_gpt_free.py文件的聊天机器人程序。第二部分是子进程Worker,用于调用主体。第三部分提供了两个函数:predict_no_ui_long_connection和predict用于调用NewBing聊天机器人和返回响应。其中predict函数还提供了一些参数用于控制聊天机器人的回复和更新UI界面。
[43/48] 请对下面的程序文件做一个概述: request_llm\bridge_stackclaude.py
这是一个Python源代码文件,文件名为request_llm\bridge_stackclaude.py。代码分为三个主要部分:
第一部分定义了Slack API Client类,实现Slack消息的发送、接收、循环监听,用于与Slack API进行交互。
第二部分定义了ClaudeHandle类,继承Process类,用于创建子进程Worker,调用主体,实现Claude与用户交互的功能。
第三部分定义了predict_no_ui_long_connection和predict两个函数,主要用于通过调用ClaudeHandle对象的stream_chat方法来获取Claude的回复,并更新ui以显示相关信息。其中predict函数采用单线程方法,而predict_no_ui_long_connection函数使用多线程方法。
[44/48] 请对下面的程序文件做一个概述: request_llm\bridge_tgui.py
该文件是一个Python代码文件,名为request_llm\bridge_tgui.py。它包含了一些函数用于与chatbot UI交互,并通过WebSocket协议与远程LLM模型通信完成文本生成任务,其中最重要的函数是predict()和predict_no_ui_long_connection()。这个程序还有其他的辅助函数,如random_hash()。整个代码文件在协作的基础上完成了一次修改。
[45/48] 请对下面的程序文件做一个概述: request_llm\edge_gpt.py
该文件是一个用于调用Bing chatbot API的Python程序,它由多个类和辅助函数构成,可以根据给定的对话连接在对话中提出问题,使用websocket与远程服务通信。程序实现了一个聊天机器人,可以为用户提供人工智能聊天。
[46/48] 请对下面的程序文件做一个概述: request_llm\edge_gpt_free.py
该代码文件为一个会话API,可通过Chathub发送消息以返回响应。其中使用了 aiohttp 和 httpx 库进行网络请求并发送。代码中包含了一些函数和常量,多数用于生成请求数据或是请求头信息等。同时该代码文件还包含了一个 Conversation 类,调用该类可实现对话交互。
[47/48] 请对下面的程序文件做一个概述: request_llm\test_llms.py
这个文件是用于对llm模型进行单元测试的Python程序。程序导入一个名为"request_llm.bridge_newbingfree"的模块,然后三次使用该模块中的predict_no_ui_long_connection()函数进行预测,并输出结果。此外,还有一些注释掉的代码段,这些代码段也是关于模型预测的。
用一张Markdown表格简要描述以下文件的功能:
check_proxy.py, colorful.py, config.py, config_private.py, core_functional.py, crazy_functional.py, main.py, multi_language.py, theme.py, toolbox.py, crazy_functions\crazy_functions_test.py, crazy_functions\crazy_utils.py, crazy_functions\Latex全文润色.py, crazy_functions\Latex全文翻译.py, crazy_functions_init_.py, crazy_functions\下载arxiv论文翻译摘要.py。根据以上分析,用一句话概括程序的整体功能。
文件名 | 功能描述 |
---|---|
check_proxy.py | 检查代理有效性及地理位置 |
colorful.py | 控制台打印彩色文字 |
config.py | 配置和参数设置 |
config_private.py | 私人配置和参数设置 |
core_functional.py | 核心函数和参数设置 |
crazy_functional.py | 高级功能插件集合 |
main.py | 一个 Chatbot 程序,提供各种学术翻译、文本处理和其他查询服务 |
multi_language.py | 识别和翻译不同语言 |
theme.py | 自定义 gradio 应用程序主题 |
toolbox.py | 工具类库,用于协助实现各种功能 |
crazy_functions\crazy_functions_test.py | 测试 crazy_functions 中的各种函数 |
crazy_functions\crazy_utils.py | 工具函数,用于字符串处理、异常检测、Markdown 格式转换等 |
crazy_functions\Latex全文润色.py | 对整个 Latex 项目进行润色和纠错 |
crazy_functions\Latex全文翻译.py | 对整个 Latex 项目进行翻译 |
crazy_functions_init_.py | 模块初始化文件,标识 crazy_functions 是一个包 |
crazy_functions\下载arxiv论文翻译摘要.py | 下载 arxiv 论文的 PDF 文件,并提取摘要和翻译 |
这些程序源文件提供了基础的文本和语言处理功能、工具函数和高级插件,使 Chatbot 能够处理各种复杂的学术文本问题,包括润色、翻译、搜索、下载、解析等。
用一张Markdown表格简要描述以下文件的功能:
crazy_functions\代码重写为全英文_多线程.py, crazy_functions\图片生成.py, crazy_functions\对话历史存档.py, crazy_functions\总结word文档.py, crazy_functions\总结音视频.py, crazy_functions\批量Markdown翻译.py, crazy_functions\批量总结PDF文档.py, crazy_functions\批量总结PDF文档pdfminer.py, crazy_functions\批量翻译PDF文档_多线程.py, crazy_functions\理解PDF文档内容.py, crazy_functions\生成函数注释.py, crazy_functions\联网的ChatGPT.py, crazy_functions\解析JupyterNotebook.py, crazy_functions\解析项目源代码.py, crazy_functions\询问多个大语言模型.py, crazy_functions\读文章写摘要.py。根据以上分析,用一句话概括程序的整体功能。
文件名 | 功能简述 |
---|---|
代码重写为全英文_多线程.py | 将Python源代码文件中的中文内容转化为英文 |
图片生成.py | 根据激励文本使用GPT模型生成相应的图像 |
对话历史存档.py | 将每次对话记录写入Markdown格式的文件中 |
总结word文档.py | 对输入的word文档进行摘要生成 |
总结音视频.py | 对输入的音视频文件进行摘要生成 |
批量Markdown翻译.py | 将指定目录下的Markdown文件进行中英文翻译 |
批量总结PDF文档.py | 对PDF文件进行切割和摘要生成 |
批量总结PDF文档pdfminer.py | 对PDF文件进行文本内容的提取和摘要生成 |
批量翻译PDF文档_多线程.py | 将指定目录下的PDF文件进行中英文翻译 |
理解PDF文档内容.py | 对PDF文件进行摘要生成和问题解答 |
生成函数注释.py | 自动生成Python函数的注释 |
联网的ChatGPT.py | 使用网络爬虫和ChatGPT模型进行聊天回答 |
解析JupyterNotebook.py | 对Jupyter Notebook进行代码解析 |
解析项目源代码.py | 对指定编程语言的源代码进行解析 |
询问多个大语言模型.py | 使用多个大语言模型对输入进行处理和回复 |
读文章写摘要.py | 对论文进行解析和全文摘要生成 |
概括程序的整体功能:提供了一系列处理文本、文件和代码的功能,使用了各类语言模型、多线程、网络请求和数据解析技术来提高效率和精度。
用一张Markdown表格简要描述以下文件的功能:
crazy_functions\谷歌检索小助手.py, crazy_functions\高级功能函数模板.py, request_llm\bridge_all.py, request_llm\bridge_chatglm.py, request_llm\bridge_chatgpt.py, request_llm\bridge_jittorllms_llama.py, request_llm\bridge_jittorllms_pangualpha.py, request_llm\bridge_jittorllms_rwkv.py, request_llm\bridge_moss.py, request_llm\bridge_newbing.py, request_llm\bridge_newbingfree.py, request_llm\bridge_stackclaude.py, request_llm\bridge_tgui.py, request_llm\edge_gpt.py, request_llm\edge_gpt_free.py, request_llm\test_llms.py。根据以上分析,用一句话概括程序的整体功能。
文件名 | 功能描述 |
---|---|
crazy_functions\谷歌检索小助手.py | 提供谷歌学术搜索页面中相关文章的元数据信息。 |
crazy_functions\高级功能函数模板.py | 使用Unsplash API发送相关图片以回复用户的输入。 |
request_llm\bridge_all.py | 基于不同LLM模型进行对话。 |
request_llm\bridge_chatglm.py | 使用ChatGLM模型生成回复,支持单线程和多线程方式。 |
request_llm\bridge_chatgpt.py | 基于GPT模型完成对话。 |
request_llm\bridge_jittorllms_llama.py | 使用JittorLLMs模型完成对话,支持单线程和多线程方式。 |
request_llm\bridge_jittorllms_pangualpha.py | JittorLLMs モデルを使用して、マルチプロセスおよびマルチスレッドの方法に基づいてダイアログを完成させます。 |
request_llm\bridge_jittorllms_rwkv.py | JittorLLMs モデルを使用してチャット機能を完成させ、履歴情報、パラメータ調整などを含む複数の機能オプションを提供します。 |
request_llm\bridge_moss.py | Moss モデルをロードして対話機能を完成させます。 |
request_llm\bridge_newbing.py | Newbing チャットボットを使用して会話を行い、シングルスレッドおよびマルチスレッドの方法をサポートします。 |
request_llm\bridge_newbingfree.py | BingチャットボットAPIをベースとしたチャットボットのテキスト生成機能を実現します。 |
request_llm\bridge_stackclaude.py | Slack APIをベースにクロードとユーザー間のインタラクションを実現します。 |
request_llm\bridge_tgui.py | チャット ロボットと UI インターフェイス間の対話は、WebSocket を通じて実現されます。 |
request_llm\edge_gpt.py | Bing チャットボット API を呼び出してチャットボット サービスを提供します。 |
request_llm\edge_gpt_free.py | aiohttp および httpx ツール ライブラリを使用してチャットボット API を実装します。 |
request_llm\test_llms.py | llm モデルの単体テストを行います。 |
プログラムの全体的な機能 | 入力に基づいてテキスト生成を実行できるさまざまな種類のチャットボットを実装します。 |
おすすめの教材
代码中参考了很多其他优秀项目中的设计,顺序不分先后:
# 清华ChatGLM-6B:
https://github.com/THUDM/ChatGLM-6B
# 清华JittorLLMs:
https://github.com/Jittor/JittorLLMs
# ChatPaper:
https://github.com/kaixindelele/ChatPaper
# Edge-GPT:
https://github.com/acheong08/EdgeGPT
# ChuanhuChatGPT:
https://github.com/GaiZhenbiao/ChuanhuChatGPT
# Oobabooga one-click installer:
https://github.com/oobabooga/one-click-installers
# More:
https://github.com/gradio-app/gradio
https://github.com/fghrsh/live2d_demo