README_CN.md

English

Thinker - 决策助手

Thinker使用基于您独特背景的Anthropic的Claude AI GPT提供个性化建议。

此Python程序使用树状思维提示技术实现决策助手，使用Anthropic的Claude API OpenAI的GPT。它允许用户通过模拟和讨论交互式建议来迭代地探索潜在行动。

欢迎添加个人微信交流：baoxinyu2007

背景

思维树是一种通过生成、模拟和排名的迭代循环，从广泛到具体的思考方法。

此程序遵循以下模式：

• 用户提供情境
• LLM生成潜在场景
• LLM为每个场景建议行动
• 通过模拟评估行动的可行性
• 通过递归提示LLM模拟并建立在其自己的想法上，助手可以快速探索选项空间并聚焦于有针对性的建议。

这是解释第二代Thinker工作原理的流程图：

Thinker Gen.2底层设计的流程图

特点

• 保存对话历史以保持上下文感知
• 使用NLP嵌入相似性查找相关的过去情境
• 生成多步思维树：
  • 情境摘要
  • 潜在场景
  • 建议的行动
  • 模拟评估
  • 交互式讨论
• 通过运行Claude模拟对建议进行排名
• 通过聚类提取代表性建议
• 允许对顶级建议进行交互式阐述

使用

要在本地运行：

首先，您需要在 openai.com 上获取一个OpenAI API密钥，因为当前的Thinker程序需要GPT模型来运行。

然后，在 /resources/remote_services/api_key 文件下，这是如何放置您的api-key：

{
"openai_api_key":"您的api密钥在这里",
"openai_base_url":"如果需要代理，请在此处放置您的基本url",
"openai_official_api_key":"您的api密钥在这里"
}

如果需要使用代理访问OpenAI服务，您需要修改 commons/components/LLMCores.py 如下：

更改

api_type: str = 'openai'

为

api_type: str = 'proxy'

最后，在使用 python3 user_interface.py 运行Gradio演示之前，请使用 pip install -r requirements.txt 安装所有依赖项。

路线图

欢迎提出想法和改进！一些可能性：

• 集成OpenAI模型，或其他功能强大的LLMs，作为底层引擎。
• 替代的模拟评分方法
• 用于更好体验的前端UI
• 与用户日历和任务跟踪的集成
• 用于轻松部署的容器化
• 更精细的聚类和排名方法
• 核心提示框架也可以扩展到其他用例，如创造性思维、战略规划等。如果您在此项目的基础上构建，请打开问题或PR！

如果你喜欢的话给我买杯咖啡 :))

许可证

该项目采用MIT许可证。请随时加入我努力使此应用对人们更有用和有帮助！ 只需在需要时引用此项目。