README.pt.md

TaskingAI

TaskingAI é uma plataforma BaaS (Backend as a Service) para o Desenvolvimento e Implantação de Agentes baseados em LLM. Ela unifica a integração de centenas de modelos LLM e fornece uma interface de usuário intuitiva para gerenciar os módulos funcionais de sua aplicação LLM, incluindo ferramentas, sistemas RAG, assistentes, histórico de conversas e mais.

Características Principais

1. Plataforma LLM Tudo-em-Um: Acesse centenas de modelos de IA com APIs unificadas.
2. Ricas Melhoria: Melhore o desempenho dos agentes LLM com centenas de ferramentas integradas personalizáveis e um sistema avançado de Geração Aumentada por Recuperação (RAG).
3. Fluxo de Trabalho Inspirado em BaaS: Separe a lógica de IA (lado do servidor) do desenvolvimento de produto (lado do cliente), oferecendo um caminho claro desde a criação de protótipos baseada em console até soluções escaláveis usando APIs RESTful e SDKs para clientes.
4. Implantação com um Clique: Implemente seus agentes de IA com um único clique na fase de produção, e escale-os com facilidade. Deixe que TaskingAI cuide do resto.
5. Eficiência Assíncrona: Utilize os recursos assíncronos do Python FastAPI para computação concorrente de alto desempenho, melhorando a capacidade de resposta e a escalabilidade das aplicações.
6. Console de UI Intuitivo: Simplifica a gestão de projetos e permite testes de fluxo de trabalho no console.

Integrações

Modelos: TaskingAI se conecta a centenas de LLMs de vários provedores, incluindo OpenAI, Anthropic e mais. Também permitimos que os usuários integrem modelos locais através do Ollama, LM Studio e Local AI.

Plugins: TaskingAI suporta uma ampla gama de plugins integrados para potencializar seus agentes de IA, incluindo busca no Google, leitor de sites, recuperação do mercado de ações e mais. Os usuários também podem criar ferramentas personalizadas para atender às suas necessidades específicas.

---

Por que TaskingAI?

Problemas com soluções existentes ??

LangChain é um framework de ferramentas para desenvolvimento de aplicação LLM, mas enfrenta limitações práticas:

• Sem Estado: Depende de serviços do cliente ou externos para gerenciamento de dados.
• Desafios de Escalabilidade: A ausência de estado impacta o manuseio consistente de dados entre sessões.
• Dependências Externas: Depende de recursos externos como SDKs de modelos e armazenamento vetorial.

API de Assistente da OpenAI se destaca na entrega de funcionalidades semelhantes ao GPT, mas tem suas próprias limitações:

• Funcionalidades Vinculadas: Integrações como ferramentas e recuperações estão vinculadas a cada assistente, inadequadas para aplicações multi-inquilinos.
• Limitações Proprietárias: Restrito a modelos OpenAI, inadequado para necessidades diversificadas.
• Limites de Personalização: Os usuários não podem personalizar a configuração do agente, como sistema de memória e recuperação.

Como TaskingAI resolve o problema ??

• Suporta usos com e sem estado: Seja para acompanhar e gerenciar históricos de mensagens e sessões de conversação do agente, ou simplesmente fazer solicitações de conclusão de chat sem estado, TaskingAI cobre os dois casos.
• Gestão Modular Desacoplada: Separou a gestão de ferramentas, sistemas RAG, modelos de linguagem do agente. E permite a livre combinação desses módulos para construir um poderoso agente de IA.
• Suporte Multi-inquilino: TaskingAI suporta implantação rápida após o desenvolvimento e pode ser usado em cenários multi-inquilinos. Não se preocupe com os serviços em nuvem, concentre-se apenas no desenvolvimento do agente de IA.
• API Unificada: TaskingAI fornece APIs unificadas para todos os módulos, incluindo ferramentas, sistemas RAG, modelos de linguagem e mais. Super fácil de gerenciar e mudar as configurações do agente de IA.

O que você pode construir com TaskingAI?

• Demonstrações Interativas de Aplicações
• Agentes de IA para Produtividade Empresarial
• Aplicações Nativas Multi-inquilino para Negócios

---

Por favor, deixe-nos uma ESTRELA GRATUITA ?? se achar útil ??

---

Início Rápido com Docker

Uma maneira simples de iniciar a edição comunitária auto-hospedada do TaskingAI é através do Docker.

Pré-requisitos

• Docker e Docker Compose instalados na sua máquina.
• Git instalado para clonar o repositório.
• Ambiente Python (acima do Python 3.8) para executar o SDK do cliente.

Instalação

Primeiro, clone o repositório TaskingAI (edição comunitária) do GitHub.

git clone https://github.com/taskingai/taskingai.git
cd taskingai

Dentro do repositório clonado, vá para o diretório docker e inicie os serviços usando Docker Compose.

cd docker

1. Copie .env.example para .env:

   cp .env.example .env

2. Edite o arquivo .env: Abra o arquivo .env no seu editor de texto preferido e atualize as configurações necessárias. Certifique-se de que todas as variáveis de ambiente necessárias estejam configuradas corretamente.

3. Inicie o Docker Compose: Execute o seguinte comando para iniciar todos os serviços:

   docker-compose -p taskingai --env-file .env up -d

Uma vez que o serviço esteja ativo, acesse o console do TaskingAI pelo seu navegador utilizando a URL http://localhost:8080. O nome de usuário e senha padrões são admin e TaskingAI321.

Atualização

Se você já instalou TaskingAI com uma versão anterior e deseja atualizar para a versão mais recente, primeiro atualize o repositório.

git pull origin master

Depois pare o serviço docker atual, atualize para a versão mais recente puxando a imagem mais nova e finalmente reinicie o serviço.

cd docker
docker-compose -p taskingai down
docker-compose -p taskingai pull
docker-compose -p taskingai --env-file .env up -d

Não se preocupe com a perda de dados; seus dados serão automaticamente migrados para o esquema da versão mais recente, se necessário.

Console de UI do TaskingAI

Clique na imagem acima para ver o vídeo de demonstração do Console do TaskingAI.

SDK Cliente do TaskingAI

Uma vez que o console esteja ativo, você pode interagir programaticamente com o servidor TaskingAI usando o SDK cliente do TaskingAI.

Certifique-se de ter Python 3.8 ou superior instalado e configurar um ambiente virtual (opcional, mas recomendado).

Instale o SDK cliente do TaskingAI usando pip.

pip install taskingai

Aqui está um exemplo de código cliente:

import taskingai
taskingai.init(api_key='YOUR_API_KEY', host='http://localhost:8080')

# Create a new assistant
assistant = taskingai.assistant.create_assistant(
    model_id="YOUR_MODEL_ID",
    memory="naive",
)

# Create a new chat
chat = taskingai.assistant.create_chat(
    assistant_id=assistant.assistant_id,
)

# Send a user message
taskingai.assistant.create_message(
    assistant_id=assistant.assistant_id,
    chat_id=chat.chat_id,
    text="Hello!",
)

# generate assistant response
assistant_message = taskingai.assistant.generate_message(
    assistant_id=assistant.assistant_id,
    chat_id=chat.chat_id,
)
print(assistant_message)

Note que YOUR_API_KEY e YOUR_MODEL_ID devem ser substituídos pela chave API real e ID do modelo de conclusão de chat que você criou no console.

Você pode aprender mais na documentação.

Recursos

• Documentação
• Referência API
• Entre em contato

Comunidade e Contribuição

Por favor, consulte nossas diretrizes de contribuição para saber como contribuir para o projeto.

Além disso, estamos entusiasmados em anunciar que o TaskingAI agora tem uma comunidade oficial no Discord! 🎊

Junte-se ao nosso servidor do Discord para:

• 💬 Participar de discussões sobre o TaskingAI, compartilhar ideias e fornecer feedback.
• 📚 Obter suporte, dicas e melhores práticas de outros usuários e nossa equipe.
• 🚀 Manter-se atualizado sobre as últimas notícias, atualizações e lançamentos de recursos.
• 🤝 Conectar-se com indivíduos com interesses similares apaixonados por IA e automação de tarefas.

Licença e Código de Conduta

TaskingAI é publicado sob uma Licença Open Source Específica do TaskingAI. Ao contribuir para este projeto, você concorda em seguir seus termos.

Suporte e Contato

Para suporte, por favor consulte nossa documentação ou entre em contato conosco em [email protected].