Boxcars 是一个强大的 Ruby gem,旨在构建具有人工智能可组合性的系统。通过 Boxcars,开发者可以使用各种概念和技术,如大语言模型(LLMs),搜索引擎,SQL 查询(支持 Sequel 和 Active Record),Rails Active Record,向量搜索等,甚至还可以扩展自己定义的概念。
开发 Boxcars 的灵感来源于流行的 Python 库 Langchain,但开发团队想要在 Ruby 语言中做出改进,使其更适合初学者使用。因此,Boxcars 特别便捷和用户友好。
在 Boxcars 模块中定义了几个核心概念:
Boxcar:一个封装在一起的功能模块,能够执行特定的任务(如搜索、数学计算、SQL 查询、API 调用等)。Boxcar 可以使用指定的 Engine 完成工作。如果没有指定,将使用默认的 Boxcars.engine
。
Train:由一组 Boxcars 组成,能够分解问题,让各个 Boxcar 单独解决问题,最终将结果汇总得出解决方案。目前,ZeroShot 是唯一实现的 Train,但很快会添加更多选项。用户可以直接创建 Train 或使用 Boxcars::train
简化流程。
Prompt:用于引擎生成文本结果的提示词。Boxcars 提供内置提示词,用户可以根据需要更改或扩展。
Engine:处理提示词并生成文本的实体。如果未指定,OpenAI 的大语言模型引擎将用作默认引擎。用户可以通过 Boxcar.configuration.default_engine
更改默认引擎。Boxcars 还支持 Anthropic 的 Claude API(Boxcars::Anthropic
)和 GPT 引擎(Boxcars::Gpt4allEng
)。
VectorStore:用于存储和查询向量的地方。
目前,Boxcars 系统专为拥有管理权限的用户设计。虽然技术上有可 能利用代码进行不当操作,但有管理权限的用户无需借助 Boxcars 来完成此类操作。开发团队正在努力提高系统对潜在威胁和恶意行为的识别和防范能力,并欢迎用户提供建议。
要在项目中使用 Boxcars,请在应用的 Gemfile 中添加以下内容:
gem 'boxcars'
然后执行命令:
$ bundle install
或者使用以下命令单独安装:
$ gem install boxcars
Boxcars 的使用非常简单。用户需要设置环境变量来支持如 OpenAI、Anthropic 和 Google SERP 等服务的 API 访问,如 OPENAI_ACCESS_TOKEN、ANTHROPIC_API_KEY、SERPAPI_API_KEY 等。也可以将这些变量直接传递给 API。
下面是一个使用 Boxcar 的简单示例,使用 Ruby 的 irb
环境即可开始:
# 运行计算器 require "boxcars" calc = Boxcars::Calculator.new # 使用默认引擎 puts calc.run "what is pi to the fourth power divided by 22.1?"
Boxcars 提供了多种功能性的 Boxcars,例如:Google 搜索、Wikipedia 搜索、Calculator(计算器)用于数学计算、SQL 查询、Active Record 查询以及 Swagger 用于 API 操作等。
可以将多个 Boxcars 组合在一个 Train 中,以帮助解决复杂问题:
# 使用默认引擎运行计算器和搜索 boxcars = [Boxcars::Calculator.new, Boxcars::GoogleSearch.new] train = Boxcars.train.new(boxcars: boxcars) train.run "What is pi times the square root of the average temperature in Austin TX in January?"
可以查阅 Jupyter Notebook 中的更多示例,包括 Swagger boxcar 和向量搜索的使用示例。
若在 Rails 应用中使用 Boxcars,可以将日志记录到日志文件。通过设置 Boxcars.configuration.log_prompts = true
,可以记录传递给连接引擎的所有提示词,使调试更方便。
Boxcars 项目鼓励社区贡献,无论是问题报告还是功能请求,都可以在 GitHub 上进行,该项目欢迎所有人参与并遵循项目的行为准则。
Boxcars 以 MIT 许可证开源,大家都可以使用和贡献。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有 助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
高质量语音生成模型
CSM 是一个开源的语音生成项目,它提供了一个基于 Llama-3.2-1B 和 CSM-1B 的语音生成模型。该项目支持多语言,可生成多种声音,适用于研究和教育场景。通过使用 CSM,用户可以方便地进行语音合成,同时项目还提供了水印功能,确保生成音频的可追溯性和透明度。
Hugging Face 的 AI 智能体课程,涵盖多种智能体框架及相关知识
本项目是 Hugging Face 推出的 AI 智能体课程,深入介绍了 AI 智能体的相关概念,如大语言模型、工具使用等。课程包含多个单元,详细讲解了不同的智能体框架,如 smolagents 和 LlamaIndex,提供了丰富的学习资源和实践案例。适合对 AI 智能体感兴趣的开发者和学习者,有助于提升他们在该领域的知识和技能。
用于 AI 项目管理和 API 交互的工具集,助力 AI 项目高效开发与管理。
RagaAI-Catalyst 是一款专注于 AI 领域的强大工具集,为开发者提供了便捷的项目管理、API 交互、令牌管理等功能。支持多 API 密钥上传,能快速创建、列出和管理 AI 项目,还可获取项目用例和指标信息。适用于各类 AI 开发场景,提升开发效率,推动 AI 项目顺利开展。
一个包含多种工具和文档处理功能,适用于 LLM 使用的项目。
smolagents 是一个功能丰富的项目,提供了如文件格式转换、网页内容读取、语义搜索等多种工具,支持将常见文件类型或网页转换为 Markdown,方便进行文档处理和信息提取,能满足不同场景下的需求,提升工作效率和数据处理能力。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号