إدخال LLMs إلى جهاز الكمبيوتر الإنترنت

تم الانتهاء من milestone Ignition. وهذا يجلب نماذج اللغة الكبيرة (LLMs) إلى حاسوب الإنترنت، مما يجعل من الممكن استخدام LLMs من داخل العقود الذكية canister مع بضع سطور فقط من الشيفرة.

ما هو إنجاز الإشعال؟

تسعى معلم الإشعال، الذي يعد جزءًا من مسار الذكاء الاصطناعي اللامركزي في خارطة طريق ICP، إلى ربط الحاويات بـ LLMs خارج السلسلة. مع هذا التحديث، يمكن للمطورين استخدام الذكاء الاصطناعي في تطبيقاتهم دون إعداد معقد، بفضل عمال الذكاء الاصطناعي.

ما الجديد في Ignition

مكتبات LL للتكامل السهل

لتبسيط ربط حاوياتك بـ LLMs، أضفنا مكتبات بثلاث لغات مستخدمة على الكمبيوتر الإنترنت: موتوكو، راست، وTypeScript.

تجعل هذه المكتبات من السهل استخدام LLMs في تطبيقاتك اللامركزية. على سبيل المثال، إليك كيف يمكن للحاوية التفاعل مع Llama 3.1 باستخدام بضع أسطر من كود موتوكو:

استيراد LLM "mo: llm" ؛

await LLM.chat(#Llama3_1_8B).withMessages([
#system_ {
content = "أنت مساعد مفيد.";
},
#user_ {
content = "كم هو حجم الشمس؟";
},
]).send();

يمكن العثور على المثال أعلاه والعبث به على ICP Ninja. يظهر كيف يمكن لمستودع إرسال استعلام إلى LLM والحصول على استجابة، مع إعدادات بسيطة.

إليك مثال آخر يوضح كيفية استدعاء LLMs باستخدام الأدوات:

استيراد LLM "mo: llm" ؛

الممثل {
example() FUNC العامة {
دع الرد = ينتظر LLM.chat(#Llama3_1_8B)
.withMessages([
#system_ {
content = "أنت مساعد مفيد."
},
#user {
content = "ما هو الطقس في زيورخ؟"
},
])
.withTools([LLM.tool("get_weather")
.withDescription("احصل على الطقس الحالي لموقع")
.withParameter(
LLM.parameter( "الموقع" ، #String)
.withDescription("الموقع للحصول على الطقس")
.isRequired()
)
.build()
])
.send().
};
}

يمكنك العثور على عرض مباشر لاستخدام الأدوات هنا، وكذلك شفرة المصدر للعرض هنا.

عمال الذكاء الاصطناعي

لربط الحاويات مع LLMs خارج السلسلة، قمنا ببناء منتج قابل للتطبيق الحد الأدنى من العمال الذكاء الاصطناعي، وهو نظام بسيط يسمح للحاويات باسترجاع البيانات من LLMs خارج السلسلة. يتولى العمال الذكاء الاصطناعي التواصل، بحيث يمكن للحاويات إرسال الطلبات والحصول على الردود من LLMs في الوقت الحقيقي.

حاليًا، تدعم العمالة الذكية Llama 3.1 8B و Llama 4 Scout و Qwen 3 32B. توفر هذه الخيارات للمطورين المرونة لاختيار الLL المناسب لمشاريعهم.

إليك مخطط يوضح كيفية استخدام العمالة الذكية تحت السطح لنقل التعليمات إلى مزودي LLM غير المتصلين بالإنترنت.

! كيف يعمل:

1. ترسل الحاويات مطالبات إلى "حاوية LLM" عبر مكتبات LLM التي ذكرناها. هذه حاوية خاصة تم إعدادها لاستقبال مطالبات LLM.
2. تقوم حاوية LLM بتخزين هذه المطالبات في قائمة الانتظار.
3. العمال الذكاء الاصطناعي يقومون بمراقبة حاوية LLM بشكل مستمر للطلبات.
4. يقوم عمال الذكاء الاصطناعي بتنفيذ الأوامر وإرجاع الاستجابة إلى حاوية LLM، التي تعيدها إلى الحاوية المستدعية.

حالات الاستخدام في العالم الحقيقي

المطورون يستخدمون بالفعل مكتبات LLM لبناء تطبيقات لامركزية إبداعية، مثل:

• المحافظ مع ميزات الدردشة: إضافة الذكاء الاصطناعي التفاعلي إلى محافظ العملات المشفرة لتحسين تفاعل المستخدم (سيتم إطلاقها قريبًا في OISY)
• المنظمات المستقلة اللامركزية مع تحليل المشاعر: استخدام نماذج اللغة الكبيرة لتحليل مشاعر المجتمع وإرشاد قرارات المحفظة مثلما في منظمة أليس.

تظهر هذه الأمثلة كيف يمكن لعمال الذكاء الاصطناعي دعم مجموعة من التطبيقات على الكمبيوتر الإنترنت.

لماذا هذا مهم وكيف تبدأ

يتيح معلم الإشعال للمطورين دمج LLMs بسهولة في مشاريعهم على الكمبيوتر الإنترنت، مما يمكّن من إنشاء أنواع جديدة من التطبيقات اللامركزية، مثل روبوتات الدردشة وأدوات التحليل وتطبيقات DeFi المدفوعة بالذكاء الاصطناعي. من خلال دمج LLMs مع ميزات الكمبيوتر الإنترنت مثل دمج السلاسل، واستدعاءات HTTPS، والعشوائية على السلسلة، يمكن للمطورين بناء حلول مبتكرة وقوية.

هل أنت مستعد لتجربته؟ استكشف مشروع LLM Chatbot على ICP Ninja، تحقق من العرض التوضيحي المباشر، أو اغمر في الشيفرة والأمثلة في مستودعنا.

!

تم نشر Bringing LLMs to the Internet Computer في الأصل في The Internet Computer Review على Medium، حيث يواصل الناس المحادثة من خلال تسليط الضوء والرد على هذه القصة.