De una tool call a código ejecutable: el despachador de un agente
Cómo un agente convierte el nombre y los argumentos de una tool call en una función local, controla los errores y devuelve el resultado al modelo.
Asistente personal para la terminal, para todos los sistemas operativos y lenguajes
Haz preguntas directamente desde la línea de comandos
Usa los modelos de OpenAI para respuestas inteligentes
Compatible con Linux, macOS y Windows
Pregunta y responde en cualquier idioma
Requisitos del sistema:
InputBashsudo apt updatesudo apt install -y python3 python3-pip gitCopied
Si tienes un sistema basado en Debian, descarga e instala alfred.deb
Instala dependencias de Python:
InputBashpip install halopip install --upgrade openaiCopied
Clona el repositorio:
InputBashsudo rm -r /usr/src/alfredcd /usr/srcgit clone -b branch_v1.3 https://github.com/maximofn/alfred.gitcd /usr/src/alfredsudo find . -depth -not -name '*.py' -deleteCopied
Crea un alias y restaura la terminal:
InputBashecho 'alias alfred="/usr/src/alfred/alfred.py"' >> ~/.bashrcsource ~/.bashrcCopied
Escribe alfred seguido de tu pregunta.
Escribe alfred, pulsa Enter y haz preguntas consecutivas. Escribe exit para salir.
Si te ha gustado considera darle una estrella ⭐ al repositorio, pero si realmente te ha gustado considera invitarme a un café ☕.
Cómo un agente convierte el nombre y los argumentos de una tool call en una función local, controla los errores y devuelve el resultado al modelo.
Cómo acumular argumentos que llegan en deltas durante un stream y por qué una tool nunca debe ejecutarse antes del event...
Cómo convertir las llamadas a tools de diferentes proveedores de LLMs en una interfaz común sin perder los identificador...
Hablemos.
maximofn@gmail.com
Especialista en Machine Learning e Inteligencia Artificial. Desarrollo soluciones con IA generativa, agentes inteligentes y modelos personalizados.
Los agentes IA, impulsados por LLMs, prometen transformar aplicaciones. Pero, ¿son hoy simples ejecutores o futuros colaboradores inteligentes? Para a...
Aprende a crear un sistema de IA para ejecutar eficientemente en un dispositivo
Los espacios de Hugging Face nos permite ejecutar modelos con demos muy sencillas, pero ¿qué pasa si la demo se rompe? O si el usuario la elimina? Por ello he creado contenedores docker con algunos espacios interesantes, para poder usarlos de manera local, pase lo que pase. De hecho, es posible que si pinchas en alún botón de ver proyecto te lleve a un espacio que no funciona.
Hablemos.
maximofn@gmail.com
Especialista en Machine Learning e Inteligencia Artificial. Desarrollo soluciones con IA generativa, agentes inteligentes y modelos personalizados.
Dataset de chistes en inglés
Uso: Fine-tuning de modelos de generación de texto humorístico
Dataset con traducciones de inglés a español
Uso: Entrenamiento de modelos de traducción inglés-español
Dataset con películas y series de Netflix
Uso: Análisis de catálogo de Netflix y sistemas de recomendación