Skip to content

Latest commit

 

History

History
188 lines (136 loc) · 8.38 KB

README_DE.md

File metadata and controls

188 lines (136 loc) · 8.38 KB

PySpur

PySpur ist ein KI-Agenten-Builder in Python. KI-Entwickler nutzen ihn, um Agenten zu erstellen, sie Schritt für Schritt auszuführen und vergangene Durchläufe zu analysieren.

README auf Englisch README auf vereinfachtem Chinesisch README auf Japanisch README auf Koreanisch Deutsche Version der README README auf Französisch README auf Spanisch

Dokumentation Treffen Sie uns Cloud Discord beitreten

hero.mp4

🕸️ Warum PySpur?

  • 🖐️ Drag-and-Drop: Erstellen, Testen und iteratives Anpassen in Sekunden.
  • 🔄 Loops: Wiederholte Toolaufrufe mit Zwischenspeicherung.
  • 📤 Datei-Upload: Laden Sie Dateien hoch oder fügen Sie URLs ein, um Dokumente zu verarbeiten.
  • 📋 Strukturierte Outputs: UI-Editor für JSON-Schemata.
  • 🗃️ RAG: Daten parsen, in Abschnitte unterteilen, einbetten und in eine Vektor-Datenbank einfügen/aktualisieren.
  • 🖼️ Multimodal: Unterstützung für Video, Bilder, Audio, Texte, Code.
  • 🧰 Tools: Slack, Firecrawl.dev, Google Sheets, GitHub und mehr.
  • 🧪 Evaluierungen: Bewerten Sie Agenten anhand von realen Datensätzen.
  • 🚀 One-Click Deploy: Veröffentlichen Sie Ihre Lösung als API und integrieren Sie sie überall.
  • 🐍 Python-basiert: Fügen Sie neue Knoten hinzu, indem Sie eine einzige Python-Datei erstellen.
  • 🎛️ Support für jeden Anbieter: Über 100 LLM-Anbieter, Einbettungslösungen und Vektor-Datenbanken.

⚡ Schnellstart

Option A: Verwendung des pyspur Python-Pakets

Dies ist der schnellste Weg, um loszulegen. Python 3.12 oder höher wird benötigt.

  1. PySpur installieren:

    pip install pyspur

  2. Ein neues Projekt initialisieren:

    pyspur init my-project
cd my-project

    Dadurch wird ein neues Verzeichnis mit einer .env-Datei erstellt.

  3. Den Server starten:

    pyspur serve --sqlite

    Standardmäßig startet dies die PySpur-App unter http://localhost:6080 mit einer SQLite-Datenbank. Wir empfehlen, in der .env-Datei eine PostgreSQL-Instanz-URL zu konfigurieren, um eine stabilere Erfahrung zu gewährleisten.

  4. [Optional] Bereitstellung anpassen: Sie können Ihre PySpur-Bereitstellung auf zwei Arten anpassen:

    a. Über die App (Empfohlen): - Navigieren Sie zum Tab „API Keys“ in der App. - Fügen Sie Ihre API-Schlüssel für verschiedene Anbieter (OpenAI, Anthropic usw.) hinzu. - Die Änderungen werden sofort wirksam.

    b. Manuelle Konfiguration: - Bearbeiten Sie die .env-Datei in Ihrem Projektverzeichnis. - Es wird empfohlen, in der .env-Datei eine PostgreSQL-Datenbank zu konfigurieren, um mehr Zuverlässigkeit zu gewährleisten. - Starten Sie die App mit pyspur serve neu. Fügen Sie --sqlite hinzu, falls Sie keine PostgreSQL verwenden.

Option B: Verwendung von Docker (Empfohlen für skalierbare, produktive Systeme)

Dies ist der empfohlene Weg für produktive Bereitstellungen:

  1. Docker installieren: Installieren Sie Docker, indem Sie der offiziellen Installationsanleitung für Ihr Betriebssystem folgen:

  2. Ein PySpur-Projekt erstellen: Sobald Docker installiert ist, erstellen Sie ein neues PySpur-Projekt mit:

    curl -fsSL https://raw.githubusercontent.com/PySpur-com/pyspur/main/start_pyspur_docker.sh | bash -s pyspur-project

    Dies wird:

    • Ein neues PySpur-Projekt in einem neuen Verzeichnis namens pyspur-project starten.
    • Die notwendigen Konfigurationsdateien einrichten.
    • Die PySpur-App automatisch starten, unterstützt durch eine lokale PostgreSQL-Docker-Instanz.

  3. Auf PySpur zugreifen: Öffnen Sie http://localhost:6080 in Ihrem Browser.

  4. [Optional] Bereitstellung anpassen: Sie können Ihre PySpur-Bereitstellung auf zwei Arten anpassen:

    a. Über die App (Empfohlen): - Navigieren Sie zum Tab „API Keys“ in der App. - Fügen Sie Ihre API-Schlüssel für verschiedene Anbieter (OpenAI, Anthropic usw.) hinzu. - Die Änderungen werden sofort wirksam.

    b. Manuelle Konfiguration: - Bearbeiten Sie die .env-Datei in Ihrem Projektverzeichnis. - Starten Sie die Dienste mit: sh docker compose up -d

Das war's! Klicken Sie auf „New Spur“, um einen Workflow zu erstellen, oder starten Sie mit einer der Standardvorlagen.

✨ Kernvorteile

Debuggen auf Node-Ebene:

visualization.mp4

Multimodal (Dateien hochladen oder URLs einfügen)

PDFs, Videos, Audio, Bilder, ...

multimodal.mp4

Loops

Loops

RAG

Schritt 1) Erstellen einer Dokumentensammlung (Chunking + Parsing)

RAG_1.mp4

Schritt 2) Erstellen eines Vektorindex (Einbettung + Einfügen/Aktualisieren in der Vektor-Datenbank)

RAG_2.mp4

Modulare Bausteine

blocks.mp4

Endgültige Leistung bewerten

evals.mp4

Demnächst: Selbstverbesserung

optimization.mp4

🛠️ PySpur Entwicklungs-Setup

[ Anweisungen für die Entwicklung auf Unix-ähnlichen Systemen. Entwicklung auf Windows/PC wird nicht unterstützt ]

Für die Entwicklung folgen Sie diesen Schritten:

  1. Das Repository klonen:

    git clone https://github.com/PySpur-com/pyspur.git
cd pyspur

  2. Mit docker-compose.dev.yml starten:

    docker compose -f docker-compose.dev.yml up --build -d

    Dadurch wird eine lokale Instanz von PySpur mit aktiviertem Hot-Reloading für die Entwicklung gestartet.

  3. Ihre Einrichtung anpassen: Bearbeiten Sie die .env-Datei, um Ihre Umgebung zu konfigurieren. Standardmäßig verwendet PySpur eine lokale PostgreSQL-Datenbank. Um eine externe Datenbank zu nutzen, ändern Sie die POSTGRES_*-Variablen in der .env.

⭐ Unterstützen Sie uns

Sie können uns bei unserer Arbeit unterstützen, indem Sie einen Stern hinterlassen! Vielen Dank!

star

Ihr Feedback wird sehr geschätzt. Bitte sagen Sie uns, welche Funktionen aus dieser Liste Sie als Nächstes sehen möchten oder schlagen Sie ganz neue vor.