2024 updates

發表於 更新於 分類於

12/25(0.8.84)

  • 在 Doc_QA 中僅在需要時加載嵌入模型
  • 向量資料庫模組允許embedding object 和 embedding string作為輸入參數
  • 向量資料庫模組新增 create_keyword_chromadb (見向量資料庫)
  • 移除向量資料庫模組和文件搜尋模組中不必要的 use_rerank, embeddings 參數
  • 向量資料庫模組中新增 pop_index_db (見向量資料庫)

11/15(0.8.77)

  • 新增支援anthropic語言模型、vision模型(見語言模型, ask_image)
  • deprecate thoreshold參數
  • retriver新增函式 get_relevant_documents_and_scores，輸出文件與問題的相似度排序與分數(見文件搜尋)
  • self_query.query_filter metadata_field_info 可用字典類別輸入(見自查詢)

11/05(0.8.73)

  • 新增參數env_file，可指定export API KEY的.evn 檔名(見設定 API Key)
  • 自查詢更新parse函式，新增custom_parser參數可自訂parser函式(見自查詢)

10/30(0.8.70)

  • 新增支援gemini語言模型、嵌入模型(見語言模型, 嵌入模型)
  • 新增self_query模組(見自查詢)
  • 將 max_doc_len 取代為 max_input_tokens，新增計算token長度的輔助函式 Tokenizer.compute_tokens (見輔助函數)

10/17(0.8.66)

  • llama-cpp使用gpu推論(見語言模型)
  • remote兼容vllm serve

10/04(0.8.63)

  • Doc_QA 新增ask_image函數，可輸入圖片與問題到多模態模型(如gpt-4o, llama3.2-Vision)中(見ask_image)
  • Doc_QA 新增max_output_tokens參數，用以限制模型最大輸出長度

08/15(0.8.56)

  • db 新增 extract_db_by_file 和 extract_db_by_keyword 可從chromadb中取出特定文件檔案或特定id的db(見嵌入模型)

08/08(0.8.53)

  • Doc_QA 新增stream參數，若stream=True，則回傳值為generator (見 get_response)
  • get_response 和 ask_self 新增history_messages參數來傳遞聊天紀錄訊息 (見get_response)
  • get_response 可傳入dbs物件，避免重複load chromadb (見 get_response)
  • prompt_format_type參數新增”chat_gpt”和”chat_mistral”，用來傳遞非str type輸入給語言模型 如([{“role”:current_role, “content”:prompt}])， (見 提示格式)
  • 輔助函數新增 call_model, call_batch_model, call_stream_model (見 輔助函數)
  • 輔助函數新增 self-rag (見 輔助函數)
  • 語言模型物件(LLM)和嵌入模型物件(Embeddings)可直接傳入Doc_QA, Eval,和 Summary，避免重複宣告(見 語言模型 嵌入模型)
  • 內建 FAST API，可使用 “akasha api (–port port –host host –workers num_of_workers) 啟動 (見 FAST API)

05/29(0.8.34)

05/09(0.8.28)

  • 新增語言模型類別: gptq
  • remote 語言模型類別更新為streaming print out
  • 基於參數 doc_path 的輸入類型，您可以使用 get_response 來運行 ask_whole_file 和 ask_self（若 doc_path 是單一文件路徑，則運行 ask_whole_file；如果 doc_path 是一段或多段文字，則運行 ask_self）。
  • search type auto 改為 auto 和 auto_rerank，差別為在找不到足夠相似的文件段落時，是否使用rerank模型
  • Doc_QA 新增 rerun_ask_agent 功能，可更改prompt並重新運行 ask_agent。
  • Eval create_questionset添加參考文件名稱到產生的問題中。

04/26(0.8.25)

  • 新增windows使用者透過WSL安裝ubuntu和anaconda 的使用說明。

  • dev-ui image 不再使用ccchang0518/akasha-dev-ui 改用 ccchang0518/akasha-lab:0.6

04/17 (0.8.25)

  • 在summary中添加參數 consecutive_merge_failures 以防止需要摘要段落持續無法縮減。

  • 在summary中加入進度條。（請注意，map_reduce 方法的進度條僅為估計。）

  • 在helper module中，新增 call_translator 和 call_JSON_formatter 的函數。這些函數有助於利用 LLM 進行翻譯並將輸出格式化為 JSON 格式。

  • OpenAI 和 Hugging Face 文本生成模型的標準輸出（stdout）改為即時流模式。

04/11 (0.8.24)

  • -參數questionset_path:不再使用參數questionset_path，改用questionset_file

04/11 (0.8.24)

  • 新增參數 keep_logs如果為True會儲存每次執行的資料和結果，預設為False
  • 預設不會安裝llama-cpp-python套件，若想使用llama-cpp模型，請使用 pip install akasha-terminal[llama-cpp]安裝

04/10 (0.8.23)

  • HUGGINGFACEHUB_API_TOKEN:不再使用環境變數 HUGGINGFACEHUB_API_TOKEN， 使用HF_TOKEN匯入 key

03/27 (0.8.23)

  • Summary: Summary新增選項auto_translate將摘要翻譯成目標語言, summary
  • summarize_articles: Summary新增summarize_articles函數，將str或list做摘要
  • language: 在akasha.format中新增語言對照表

03/22 (0.8.21)

  • agent module: 新增代理模組，可以自定義tools和agents, 代理
  • add document format: 新增可讀取文件類別.pptx .md

03/08 (0.8.20)

  • search bm25: 在 search_type中, 新增 bm25選項, 文件搜尋
  • search auto: 在 search_type中, 新增 auto選項, 文件搜尋
  • Doc_QA ask_agent: 在akasha.Doc_QA中， 新增ask_agent，使用self-ask prompting回答較為複雜的問題, ask_agent

02/26 (0.8.19)

  • JSON_formatter: 在 akasha.prompts, 新增 JSON_formatter_list 和 JSON_formatter_dict, JSON格式

  • topK: 不再使用參數topK，使用max_doc_len來決定參考文件的選取上限。

  • use_rerank: 新增use_rerank參數，在文件相似度搜尋完之後使用rerank模型更精準排序文件與使用者問題的相關性，預設False。

  • topic_questionset: akasha.eval中新增topic_questionset，用以產生特定主題的測試問題集。