BambooAI

BambooAI 项目介绍

项目概述

BambooAI 是一个轻量化的库，利用大型语言模型（LLMs）提供自然语言交互功能。它就像一个研究和数据分析助手，使用户可以通过对话的方式与数据互动。无论是用户提供自己的数据集，还是由BambooAI为用户查找和获取数据，该工具都能胜任。它还支持互联网搜索和与外部API的交互。

项目目标

BambooAI 的目标是利用大型语言模型来简化数据分析，使其更易于用户使用，即便那些没有编程经验的人也能轻松上手。BambooAI 可以生成和执行用于数据分析和可视化的Python代码，让用户无需深入了解编码即可从数据中获取洞察。只需输入数据集，提出简单的问题，BambooAI 就会提供答案，并在需要时生成可视化，帮助用户更好地理解数据。

该工具旨在增强各级数据分析师的能力。它简化了数据分析和可视化过程，帮助优化工作流程。设计上，BambooAI 追求用户友好、高效灵活，以满足各种需求。

如何使用

用户可以通过几个简单步骤使用BambooAI：

启动： 用户首先向BambooAI提出一个问题。若未提供问题，系统会提示用户输入问题或通过'退出'命令结束程序。
任务评估： BambooAI 使用大型语言模型分析并分类问题，以确定是否需要文本回答、额外信息（通过谷歌搜索）或通过代码来解决。
构建动态提示： BambooAI 会根据输入的问题规划解决方案，可能涉及从现有数据集中提取数据、下载外部数据或不需要数据的通用解决方案。
调试与执行： 自动生成的代码在必要时会由GPT-4进行调试，保证成功执行。
结果展示： 执行成功后，结果会被评估和排序，如果达到一定标准，答案和相关信息将被存储。
人机反馈： 用户可对生成的结果进行反馈，确认后数据会存储，如有不满意之处则进行新的循环。

使用支持

BambooAI 支持通过API或本地环境使用多种模型，包括OpenAI、Google Gemini、Mistral等。用户可以通过修改配置文件选择所需的供应商和模型，并能定制参数以适合特定需求。

性能与支持模型

BambooAI 已经过多次测试，在不同模型下表现良好。对于并不需要过于复杂的任务，使用gpt-3.5-turbo既经济又高效。此外，也支持多种本地开源模型，如CodeLlama 和 WizardCoder，尤其在本地有CUDA支持的情况下性能可观。

安装与实例

用户可以通过以下命令安装BambooAI：

pip install bambooai

示例使用：

在循环中执行：

import pandas as pd
from bambooai import BambooAI

df = pd.read_csv('test_activity_data.csv')
bamboo = BambooAI(df)
bamboo.pd_agent_converse()

单次执行：

import pandas as pd
from bambooai import BambooAI

df = pd.read_csv('test_activity_data.csv')
bamboo = BambooAI(df)
bamboo.pd_agent_converse("Calculate 30, 50, 75 and 90 percentiles of the heart rate column")