LLM収益化プラットフォームが登場! LangChain+DemoGPT 協力: アイデアがあればお金が稼げる、「プログラマーが足りない」時代は終わった

大規模な言語モデルのサポートにより、開発者は多くの新しい機能を実装し、より幅広いアプリケーション シナリオに適応できます。

LLM 自体にもコーディング機能があり、自然言語の命令を直接コードに変換できます。ユーザーはアイデアと創造性を提案するだけで、アプリケーションを自動的に生成できます。

大規模言語モデル開発フレームワークの2つの巨人であるLangChainとDemoGPTは最近、綿密な協力関係を発表しました。ユーザーはLangChainを使用して自然言語でアプリケーションを構築および生成し、それをDemoGPTマーケットプレイスで表示および交換し、対象ユーザーと対話し、コミュニティのフィードバックを得て、最終的にアプリケーションを収益化することができます。

写真

つまり、基本的にコードを書く必要はありません。 必要なのは、十分なアイデアだけです。何もせずにお金を稼ぐことができます。

DemoGPT: LangChainアプリケーションの新たな戦場

DemoGPT は、大規模言語モデル (LLM) に基づくアプリケーション開発プロセスの強化と簡素化に特化したオープンソース プロジェクトです。DemoGPT のコア競争力は、さまざまな基本モデルの機能の調整にあり、1 つのプロンプトだけで LangChain x Streamlit アプリケーションを自動的に生成できます。

写真

DemoGPT の動作フレームワークとアーキテクチャ設計から、DemoGPT はコード生成操作のための構造化された方法であることがわかります。

主に、計画、タスク作成、コード セグメント生成、コード セグメントのマージ、データベースの保存が含まれます。各段階は、最適な機能と効率性を確保する上で重要な役割を果たします。

計画: ユーザーの指示に基づいて計画を生成する

ユーザーが指示を送信すると、最初に計画モジュールが呼び出されます。この部分は、DemoGPT の全体的な構造の基礎でもあります。後続のステップは、HuggingGPT に触発された効果的なグローバル計画に大きく依存しているためです。

ただし、指示に基づいてタスクリストを直接生成するHuggingGPTとは異なり、DemoGPTは最初に自然言語でプランを作成し、次にタスクリストを作成します。この処理方法は、LLMにとってより直感的です。

計画モジュールは、幻覚の問題を最小限に抑えるために利用可能なすべてのツール セットを認識し、自己検証されるまで自己改良戦略を使用して計画を継続します。

写真

タスク作成: 計画と指示を使用して特定のタスクを作成します

実験結果からわかるように、自然言語による計画を使用すると、指示から直接タスク リストを生成する場合と比較して幻覚を最小限に抑えることができます。

写真

DemoGPT の新しいアプローチでは、タスク作成プロセスで必要な改良手順の数も削減され、自己改善サブステージも錯覚を取り除くのに役立ちます。モジュールは各タスクの (入力、出力) データ ペアをチェックし、生成された結果に基づいてフィードバックを提供し、最後の反復の結果に基づいてタスクを再度生成し、テストに合格するまでこのプロセスを継続します。

コードスニペット生成: タスクを Python コードスニペットに変換する

各タスクには特定のプロンプトが必要なので、ターゲット タスクを Python コードに変換するときは、変換にカスタム プロンプトを使用する必要があります。変換プロセスでは、以前に生成されたコードが考慮されるため、すべてのステップが適切に実行されます。

写真

コードスニペットの結合: コードスニペットは最終的なコードに結合され、インタラクティブなアプリケーションを実装します。

すべてのコード スニペットはプロンプトに配置され、コードをまとめるには言語モデルが必要です。最終的なコードは Streamlit と互換性がある必要があります (状態管理など)。また、モジュールの出力は、Streamlit との互換性を確保するために自己改善手法によってさらに改善されます。

写真

データベース保存（次のバージョン）：生成されたプラン、タスク、コードスニペットはベクターデータベースに保存されます

アーキテクチャ全体にわたって、各ステージは幻覚の問題を取り除くために出力を最適化します。

さらに、各モジュールには少数サンプル学習専用の例が用意されており、ほとんどのアプリケーション シナリオに適しているため、アプリケーションでは GPT-4 の 10 分の 1 未満のコストである GPT-3.5 モデルなどの軽量モデルを作成できます。

さらにコストを削減し、パフォーマンスを向上させるために、データベース保存モジュールは、洗練された結果 (プラン、タスク、コード スニペット) をベクター データベースに保存するように設計されており、次回はベクター データベースから関連する例を取得して、少数ショット学習に使用して洗練ステップの数を減らすことができます。これにより、アプリケーション生成のコストをさらに削減しながら、生成速度を向上させることができます。

DemoGPT 練習

DemoGPTをインストールする

インストール プロセスには 1 行のコマンドのみが必要です。

 pip install demogpt

DemoGPTの使用

ユーザーは、CLI または Python インターフェースを通じて DemoGPT ライブラリを使用できます。

コマンドラインインターフェース (CLI)

DemoGPT アプリケーションを Streamlit アプリケーションとして実行するには、ユーザーはコンソールで demogpt コマンドを入力するだけです。実行後、独自の API キーを入力し、使用する基本モデルを選択できます。

すべての準備が整ったら、ユーザーはプロンプトからアプリケーションの作成を開始できます。PDF チャットボットや、Web サイトのコンテンツを取得してテキストのトーンを返す感情分析ツールを構築するのに、わずか数秒しかかかりません。

アプリケーションは指定されたプロンプトによってのみ制限されるため、ユーザーはより長いプロンプトを使用して、複雑でユニークな AI アプリケーションを作成できます。

写真

たとえば、ツイートジェネレーター DemoGPT は、指定されたハッシュタグとツイートのトーンからツイートを生成できます。

Web Blogger は、指定された Web サイトの URL から中程度の長さのブログを生成できます。

Python ライブラリの使用

ユーザーは、DemoGPT アプリケーションを Python ライブラリとして実行し、既存の Python アプリケーションにマージすることもできます。

 from demogpt import DemoGPT#实例化DemoGPT代理agent = DemoGPT(model_name="gpt-3.5-turbo-0613", openai_api_key="YOUR_API_KEY", max_steps=10)#设置您的指令和标题instruction = "Your instruction here"title = "Your title here"#迭代生成阶段并提取最终代码code = ""for phase in agent(instructinotallow=instruction, title=title): print(phase) # This will display the resulting JSON for each generation stage. if phase["done"]: code = phase["code"] # Extract the final code.print(code)

LangChain x DemoGPT: 創造性から市場へ

言語モデルに基づく強力なアプリケーションを開発するための素晴らしいアイデアを持っている AI 愛好家がいるとします。彼女は LangChain の Web サイトにアクセスし、統合された DemoGPT アプリケーションを使用して自分のアイデアを実装できます。

写真

まず、LangChain の Web サイトでアプリケーションを生成する必要があります。いくつかのプロンプトと入力だけで作成が完了し、リアルタイムで現実世界に接続できます。

デバッグ後のアプリケーションのパフォーマンスに満足したら、Sarah は DemoGPT マーケットプレイスでアプリケーションを公開し、世界中のユーザーがアクセスできるようにします。

写真

ウェブサイトリンク: https://www.langchain.com/

他の開発者、企業、AI 愛好家は、Web サイトで Sarah のアプリケーションを発見し、操作したり、フィードバックを提供したり、さらにはアプリケーションを改善するためのコラボレーション リクエストを送信したりすることもできます。

写真

さらに、マーケットプレイスは、ライセンスや API 販売を通じてアプリケーションを収益化する機会もユーザーに提供します。

アプリケーションがより多くの注目を集め、コミュニティからのフィードバックが増えると、ユーザーは LangChain の Web サイトに戻ってアプリケーションを繰り返し改善し、機能がユーザーにとって関連性があり価値のあるものであることを確認できます。

作成、デモンストレーション、フィードバック、改善のサイクル全体により、LangChain x DemoGPT エコシステムは活気に満ち、革新的で、ユーザー中心のものであり続けます。

さらに、DemoGPT と LangChain のコラボレーション後の最もエキサイティングな展望の 1 つは、DemoGPT マーケットプレイスです。開発者は、LangChain コミュニティが世界中の AI 愛好家と協力して、自動生成されたアプリケーションを作成、表示、交換、さらには収益化できるプラットフォームを作成したいと考えています。

DemoGPT マーケットプレイスは単なるプラットフォームではなく、LangChain ユーザーが協力し、アプリケーションを反復、改善できる活気のあるコミュニティとスペースとなり、このエコシステムが動的でユーザー中心であり、技術の進歩の最前線にあることを保証します。

Streamlit がもたらすインタラクティブ性と強化されたユーザー エクスペリエンスにより、これらのアプリは単なる機能的なものではなく、真に革新的なものになります。

プラットフォームの未来

ユーザーが LangChain 上で独自のアプリケーションを作成すると、開発チームは、これらの革新的な作品が DemoGPT マーケットプレイスに新たな場所を見つけ、他のアプリケーションと一緒に表示され、より幅広いユーザーがこれらのツールを発見し、操作し、価値を得ることができるようになることを期待し、構想しています。

このLangChain x DemoGPTコラボレーションの背後にあるビジョンは、ユーザーがLangChain上でアプリケーション生成を実現し、DemoGPTマーケットプレイスで発見プラットフォームを提供するコラボレーションエコシステムを構築し、作成者と消費者の間のギャップを埋めることであり、これはLLMの世界にとって大きな前進と言えます。

参考文献:

https://blog.langchain.dev/langchain-demogpt-new-era-for-gen-ai-applications/