JARVIS是微软开发的一个创新性人工智能协作系统,旨在探索通用人工智能(AGI)并为整个AI社区提供前沿研究成果。该系统由一个大型语言模型(LLM)作为控制器,以及众多来自Hugging Face的专家模型作为协作执行器组成。JARVIS的核心理念是利用语言作为接口,将LLM与各种AI模型连接起来,以解决复杂的AI任务。
JARVIS的工作流程包括四个主要阶段:
任务规划:使用ChatGPT分析用户请求,理解其意图,并将其分解为可解决的子任务。
模型选择:ChatGPT根据任务需求和模型描述,从Hugging Face上选择合适的专家模型。
任务执行:调用并执行每个选定的模型,将结果返回给ChatGPT。
响应生成:ChatGPT整合所有模型的预测结果,生成最终响应。
JARVIS提供了不同配置选项,以适应不同的硬件环境:
最小配置使用configs/config.lite.yaml
,不需要在本地下载和部署专家模型,但会限制JARVIS只能使用Hugging Face推理端点上稳定运行的模型。
要开始使用JARVIS,请按照以下步骤操作:
替换配置文件中的API密钥:
在server/configs/config.default.yaml
中替换openai.key
和huggingface.token
为您的个人OpenAI 密钥和Hugging Face令牌。或者,将它们设置为环境变量OPENAI_API_KEY
和HUGGINGFACE_ACCESS_TOKEN
。
设置环境:
cd server conda create -n jarvis python=3.8 conda activate jarvis conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia pip install -r requirements.txt
下载模型(如果使用本地或混合推理模式):
cd models bash download.sh
运行服务器:
cd .. python models_server.py --config configs/config.default.yaml python awesome_chat.py --config configs/config.default.yaml --mode server
现在,您可以通过Web API访问JARVIS的服务:
/hugginggpt
: POST方法,访问完整服务/tasks
: POST方法,访问第1阶段的中间结果/results
: POST方法,访问第1-3阶段的中间结果JARVIS还提供了一个用户友好的Web界面。在服务器模式下启动awesome_chat.py
后,您可以运行以下命令在浏览器中与JARVIS交互:
cd web npm install npm run dev
注意:
web/src/config/index.ts
中设置HUGGINGGPT_BASE_URL
为服务器的LAN IP地址和端口。JARVIS的Gradio演示现已在Hugging Face Space上托管。您也可以通过以下命令在本地运行演示:
python models_server.py --config configs/config.gradio.yaml python run_gradio_demo.py --config configs/config.gradio.yaml
JARVIS还支持CLI模式,使用更加简便:
cd server python awesome_chat.py --config configs/config.default.yaml --mode cli
JARVIS的服务器端配置文件为server/configs/config.default.yaml
,主要参数包括:
model
: LLM模型,目前支持text-davinci-003
inference_mode
: 推理端点模式
local
: 仅使用本地推理端点huggingface
: 仅使用Hugging Face推理端点(无需本地推理端点)hybrid
: 同时使用本地和Hugging Face推理端点local_deployment
: 本地部署模型的规模
minimal
: RAM>12GB,仅ControlNetstandard
: RAM>16GB,ControlNet + 标准管道full
: RAM>42GB,所有注册模型对于个人笔记本电脑,推荐配置为inference_mode: hybrid
和local_deployment: minimal
。
JARVIS还提供了对NVIDIA Jetson嵌入式设备的实验性支持。项目中包含了一个Dockerfile,提供了加速的ffmpeg、pytorch、torchaudio和torchvision依赖。
要在Jetson AGX Orin系 列设备上运行JARVIS,建议使用以下配置:
inference_mode: local
local_deployment: standard
JARVIS团队持续推进项目的发展,近期的重要更新包括:
发布Easytool工具,简化工具使用:
发布TaskBench,用于评估LLM的任务自动化能力:
支持Azure平台上的OpenAI服务和GPT-4模型
添加Gradio演示和Web API,提供更丰富的交互方式
增加CLI模式,提供轻量级体验
这些更新体现了JARVIS项目在提升系统功能、扩展应用场景和优化用户体验方面的持续努力。
JARVIS项目展示了通过语言模型作为控制器,结合专业AI模型作为执行器的创新方法,为解决复杂AI任务提供了新的思路。它不仅是一个强大的AI协作系统,也是探索通用人工智能的重要平台。随着项目的不断发展和完善,JARVIS有望为AI研究社区带来更多突破性的成果,推动人工智能技术向更高水平迈进。
如果您对JARVIS项目感兴趣,欢迎访问GitHub仓库了解更多详情,参与项目开发,或者尝试使用JARVIS解决您的AI任务。让我们一起探索AI的无限可能!
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具 。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管 理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求 ,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能, 能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量 模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。