Skip to content

Latest commit

 

History

History
215 lines (146 loc) · 9.89 KB

README_ja.md

File metadata and controls

215 lines (146 loc) · 9.89 KB
Raw

📃 Flock (Flexible Low-code Orchestrating Collaborative-agent Kits)

简体中文 | English | 日本語 | 始め方

Tip

🎉 最新アップデート 2024/11/12

  • 意図認識ノード: 新しい意図認識ノードが追加され、プリセットされたカテゴリに基づいてユーザー入力の意図を自動的に識別し、マルチ分類ルーティングをサポートします！ intent recognition

  • CrewAI ノードのサポート: ワークフローで CrewAI の強力なマルチエージェント機能を活用できるようになりました！洗練されたエージェントチームを作成し、複雑な協調タスクを簡単に編成できます。 crewai

Flock は、ワークフローベースのローコードプラットフォームで、チャットボット、RAG アプリケーション、マルチエージェントチームの調整を迅速に構築するためのプラットフォームです。LangChain と LangGraph をベースに構築され、柔軟なローコード協調エージェント編成ソリューションを提供し、チャットボット、RAG アプリケーション、エージェント、マルチエージェントシステムをサポートし、オフライン運用機能も備えています。

flock.mp4

🤖️ 概要

overview

ワークフロー

overview

エージェントチャット

image

知識検索

image

ヒューマン・イン・ザ・ループ（人間の承認または LLM の再考または人間への助けを求める）

image image

Flock は、大規模言語モデル（LLM）アプリケーションを開発するためのオープンソースプラットフォームを目指しています。これは、LangChain と LangGraph の概念を利用した LLM ベースのアプリケーションです。チャットボット、RAG アプリケーション、エージェント、およびマルチエージェントシステムをサポートする LLMOps ソリューションのスイートを作成し、オフライン操作の機能を備えることを目指しています。

StreetLambプロジェクトおよびそのtribeプロジェクトに触発され、Flock は多くのアプローチとコードを採用しています。この基盤の上に、新しい機能と方向性を導入しています。

このプロジェクトのレイアウトの一部は、Lobe-chat、Dify、およびfastgptを参考にしています。これらはすべて優れたオープンソースプロジェクトであり、感謝しています 🙇‍。

👨‍💻 開発

プロジェクトの技術スタック：LangChain + LangGraph + React + Next.js + Chakra UI + PostgreSQL

Note

🛠️ ツールシステム

Flock には様々な組み込みツールが付属しており、カスタムツールの簡単な統合をサポートしています。利用可能なツールと独自のツールの追加方法については、ツールガイドをご覧ください。

🤖 モデルシステム

Flock は様々なモデルプロバイダーをサポートしており、新しいプロバイダーの追加も容易です。サポートされているモデルと新しいプロバイダーの追加方法については、モデルガイドをご覧ください。

💡 ロードマップ

1 アプリ

  • チャットボット
  • シンプル RAG
  • 階層エージェント
  • シーケンシャルエージェント
  • ワークフロー
  • 意図認識ノード - ユーザー入力の意図を自動的に識別し、異なる処理フローにルーティング
  • CrewAI 統合 ---進行中
  • さらに多くのマルチエージェント

2 モデル

  • OpenAI
  • ZhipuAI
  • Siliconflow
  • Ollama
  • Qwen
  • Xinference

3 その他

  • ツール呼び出し
  • I18n
  • Langchain テンプレート

🏘️ ハイライト

  • 永続 �� な会話：チャット履歴を保存および維持し、会話を続けるとができます。
  • 可観測性：LangSmith を使用してエージェントのパフォーマンスと出力をリアルタイムで監視および追跡し、効率的に動作するようにします。
  • ツール呼び出し：エージェントが外部ツールや API を利用できるようにします。
  • 検索強化生成：エージェントが内部知識ベースを利用して推論できるようにします。
  • ヒューマン・イン・ザ・ループ：ツール呼び出し前に人間の承認を有効にします。
  • オープンソースモデル：llama、Qwen、Glm などのオープンソース LLM モデルを使用します。
  • マルチテナンシー：複数のユーザーとチームを管理およびサポートします。

始め方

1. 準備

1.1 コードをクローン

git clone https://github.com/Onelevenvy/flock.git

1.2 環境設定ファイルをコピー
cp .env.example .env
1.3 秘密鍵を生成

.env ファイルのいくつかの環境変数には、デフォルト値として changethis が設定されています。 これらを秘密鍵に変更する必要があります。秘密鍵を生成するには、次のコマンドを実行します ���

python -c "import secrets; print(secrets.token_urlsafe(32))"

内容をコピーしてパスワード/秘密鍵として使用します。もう一度実して別の安全な鍵を生成します。

1.3 postgres、qdrant、redis をインストール
cd docker
docker compose  --env-file ../.env up -d

2. バックエンドを実行

2.1 基本環境のインストール

サーバーの起動には Python 3.10.x が必要です。Python 環境を迅速にインストールするには、pyenv を使用することをお勧めします。

追加の Python ージョンをインストールするには、pyenv install を使用します。

pyenv install 3.10

"3.10" Python 環境に切り替えるには、次のコマンドを使用します：

pyenv global 3.10

次の手順に従います： "backend"ディレクトリに移動します：

cd backend

環境をアクティブにします。

poetry env use 3.10
poetry install
2.2 初期データの設定
# DBを起動させる
python /app/app/backend_pre_start.py

# マイグレーションを実行
alembic upgrade head

# DBに初期データを作成
python /app/app/initial_data.py
2.3 unicorn を実行
 uvicorn app.main:app --reload --log-level debug
2.4 celery を実行（rag 機能を使用する場合のみ）
poetry run celery -A app.core.celery_app.celery_app worker --loglevel=debug

3. フロントエンドを実行

3.1 web ディレクトリに移動して依存関係をインストール
cd web
pnpm install
3.2 web サービスを起動
cd web
pnpm dev

# または pnpm build してから pnpm start

Star History

Star History Chart