[12/30 - 1/5] GitHub Weekly Digest

📌 elizaOS/eliza

簡介

Eliza 是一個功能強大的多功能 AI 代理平臺，支援多種大型語言模型 (LLM)，例如 Llama、Grok、OpenAI 和 Anthropic 等。它具有完整功能的 Discord、Twitter 和 Telegram 聯結器，並支援多代理和多房間模式。Eliza 可輕鬆整合及互動你的檔案，並具有可追溯的記憶體和檔案儲存功能。此外，它還具有高度的可擴充套件性，允許使用者建立自訂的動作和客戶端。

主要功能

• 支援多種大型語言模型 (LLMs): Llama, Grok, OpenAI, Anthropic 等。
• 完整的 Discord、Twitter 和 Telegram 聯結器。
• 支援多代理和多房間。
• 輕鬆整合和互動自有檔案。
• 可追溯的記憶體和檔案儲存。
• 高度可擴充套件性，允許自訂動作和客戶端。
• 支援本地 Llama 模型和其他模型。
• 適用於聊天機器人、自主代理、商業流程處理、電子遊戲 NPC 和交易等多種用途。

如何使用

• 使用 Starter (推薦):
  • git clone https://github.com/elizaos/eliza-starter.git
  • cd eliza-starter
  • cp .env.example .env
  • pnpm i && pnpm build && pnpm start
  • 在另一個終端機執行 pnpm start:client 並依照網址指示與代理人聊天。
• 手動啟動 Eliza (僅限熟悉者):
  • git clone https://github.com/elizaos/eliza.git
  • git checkout $(git describe --tags --abbrev=0) (檢出最新版本)
• 使用 Gitpod 啟動 Eliza:
  • 編輯 .env 檔案 (.env.example 複製到 .env 並填寫相關資訊)。
• 自動啟動 Eliza:
  • sh scripts/start.sh
• 編輯角色檔案: packages/core/src/defaultCharacter.ts
• 載入自訂角色: pnpm start --characters="path/to/your/character.json"
• 連線 X (Twitter): 修改 "clients": [] 至 "clients": [...]

📌 DrewThomasson/ebook2audiobook

簡介

ebook2audiobook 是一款將電子書轉換成有聲書的工具，支援語音複製和1107種語言。它使用Calibre、ffmpeg、Coqui XTTSv2、Fairseq等工具，將電子書轉換成文字，分割成章節，並利用文字轉語音技術生成有聲書。此工具僅適用於非DRM且合法取得的電子書，使用者需自行承擔使用此軟體的任何風險及法律後果。 新版v2.0 提供了網頁圖形化介面(Web GUI)。

主要功能

• 將電子書 (eBook) 使用 Calibre 轉換成文字格式。
• 將電子書分割成章節，方便組織有聲書。
• 使用 Coqui XTTSv2 和 Fairseq 提供高品質的文字轉語音 (text-to-speech, TTS)。
• 可選用自定義語音檔案進行語音複製 (voice cloning)。
• 支援 1107 種語言 (預設為英文)，透過 Fairseq 支援更多語言。
• 僅需 4GB RAM 即可執行。
• 提供 Huggingface Space 線上演示和免費 Google Colab 使用環境。

如何使用

• 安裝: 使用 git clone https://github.com/DrewThomasson/ebook2audiobook.git 克隆程式碼倉庫。
• 啟動 Gradio 網頁介面:
  • Linux/MacOS: ./ebook2audiobook.sh
  • Windows: .\ebook2audiobook.cmd
  • 開啟終端機顯示的網址即可存取網頁應用程式，進行電子書轉換。 可使用 --share 引數分享公開連結。更多引數請使用 python app.py --help 檢視。
• 基本無頭模式 (Headless) 使用:
  • Linux/MacOS: ./ebook2audiobook.sh -- --ebook <path_to_ebook_file> --voice [path_to_voice_file] --language [language_code]
  • Windows: .\ebook2audiobook.cmd -- --ebook <path_to_ebook_file> --voice [path_to_voice_file] --language [language_code]
  • <path_to_ebook_file>: 電子書檔案路徑。
  • [path_to_voice_file]: 可選，用於語音複製。
  • [language_code]: 可選，指定 ISO-639-3 或 ISO-639-1 語言程式碼 (預設為 eng)。
• 自訂 XTTS 模型使用: 需提供模型路徑 (custom_model, custom_config, custom_vocab)。 使用方法類似基本無頭模式，但需新增相關引數。
• Docker 使用: 提供 Docker 執行指令，包含 CPU 與 GPU 加速版本，以及 headless 模式說明。 需建立 input-folder 和 Audiobooks 資料夾。

📌 bytedance/monolith

簡介

Monolith 是一個用於大型推薦模型的深度學習框架。它引入了兩個重要的功能，對先進的推薦系統至關重要：無碰撞嵌入表 (collisionless embedding tables) 保證不同 ID 特徵的唯一表示；實時訓練 (real-time training) 能捕捉最新的熱點，幫助使用者快速發現新的興趣。Monolith 基於 TensorFlow 打造，支援批次/實時訓練和服務。

主要功能

• 無碰撞嵌入表 (collisionless embedding tables)：確保不同 ID 特徵的唯一表示，避免資料衝突。
• 實時訓練 (real-time training)：即時捕捉最新的使用者行為和趨勢，提供更精準的推薦。
• 基於 TensorFlow：利用 TensorFlow 的強大功能，提供高效的訓練和推論。
• 支援批次/實時訓練和服務：滿足不同應用場景的需求。

如何使用

• 目前僅支援 Linux 系統編譯。
• 下載 Bazel 3.1.0：wget https://github.com/bazelbuild/bazel/releases/download/3.1.0/bazel-3.1.0-installer-linux-x86_64.sh && chmod +x bazel-3.1.0-installer-linux-x86_64.sh && ./bazel-3.1.0-installer-linux-x86_64.sh && rm bazel-3.1.0-installer-linux-x86_64.sh
• 準備 Python 環境：pip install -U --user pip numpy wheel packaging requests opt_einsum pip install -U --user keras_preprocessing --no-deps
• (說明檔案未完整提供後續編譯步驟)

📌 stanford-oval/storm

簡介

STORM 是一個大型語言模型 (LLM) 系統，能根據網路搜尋結果從零開始撰寫類似維基百科的文章。其後續版本 Co-STORM 更進一步強化功能，允許人類與 LLM 系統協作，以獲得更一致且符合偏好的資訊搜尋和知識整理結果。雖然系統產生的文章尚無法達到出版等級，仍需經過大量編輯，但經驗豐富的維基百科編輯發現它在撰寫前的準備階段非常有幫助。

主要功能

• STORM: 將撰寫帶有引文的長篇文章分解為兩個步驟：預寫階段 (收集參考資料並生成大綱) 和撰寫階段 (使用大綱和參考資料生成完整文章及引文)。
• **STORM 的核心：**自動提出有效問題。透過「以不同觀點提問」和「模擬對話」策略，提升提問的深度和廣度。
• Co-STORM: 提出一套協作式論述協定，包含轉換管理策略，支援 Co-STORM LLM 專家、主持人和使用者三方順利協作。
• Co-STORM 的動態思維導圖: 組織收集到的資訊，建立使用者和系統之間的共享概念空間，降低長篇深入討論的認知負擔。
• 模組化設計: STORM 和 Co-STORM 都以高度模組化的方式使用 dspy 實作。
• 支援多種語言模型和搜尋引擎: 支援多種語言模型 (例如 OpenAIModel, AzureOpenAIModel 等) 和搜尋引擎 (例如 YouRM, BingSearch 等) 作為元件。

如何使用

• 安裝: 使用 pip install knowledge-storm 安裝知識風暴函式庫，或複製原始碼並安裝所需套件。
• API: 提供多種語言模型和搜尋引擎元件的 API。
• STORM 使用範例: 使用 STORMWikiRunner 類別，並設定語言模型和搜尋引擎元件，即可執行 run() 方法生成文章。可控制 do_research, do_generate_outline, do_generate_article, do_polish_article 等引數。
• Co-STORM 使用範例: 使用 CoStormRunner 類別，並設定語言模型和搜尋引擎元件。使用 warm_start() 方法啟動系統，並使用 step() 方法逐步進行協作式討論，最後使用 generate_report() 方法生成報告。
• 客製化: 安裝原始碼後，可以根據自身需求客製化 STORM 和 Co-STORM 的各個模組，例如知識整理模組、大綱生成模組、文章生成模組和文章潤飾模組。
• 範例指令碼: 提供範例指令碼，方便快速上手並使用不同設定執行 STORM 和 Co-STORM。
• secrets.toml 設定檔: 建立 secrets.toml 檔案設定 API 金鑰等敏感資訊。

📌 OpenSPG/KAG

簡介

• KAG 是一個基於 OpenSPG 引擎和大型語言模型 (LLM) 的邏輯推理和問答框架。
• 用於構建垂直領域知識庫的邏輯推理和問答解決方案。
• 有效克服傳統 RAG 向量相似度計算的歧義和 GraphRAG 引入的 OpenIE 噪聲問題。
• 支援邏輯推理和多跳事實問答，效能優於現有 SOTA 方法。
• 目標是在專業領域構建一個知識增強的 LLM 服務框架，支援邏輯推理、事實問答等。
• 充分整合知識圖譜 (KGs) 的邏輯和事實特性。

主要功能

• 知識與區塊互索引結構 (Knowledge and Chunk Mutual Indexing): 整合更完整的上下文文字資訊。
• 基於概念語義推理的知識對齊 (Knowledge alignment using conceptual semantic reasoning): 減輕 OpenIE 造成的噪聲問題。
• 模式約束知識構建 (Schema-constrained knowledge construction): 支援領域專家知識的表示和構建。
• 邏輯形式引導的混合推理和檢索 (Logical form-guided hybrid reasoning and retrieval): 支援邏輯推理和多跳推理問答。
• 相容無模式資訊提取和相同知識型別（例如實體型別、事件型別）上的模式約束專業知識構建。
• 支援圖結構和原始文字塊之間的互索引表示。
• 包含規劃、推理和檢索三種型別的運運算元。

如何使用

• 產品模式 (product-based): 需安裝 Docker 和 Docker Compose，執行 curl 指令下載 docker-compose.yml 檔案，並使用 docker compose 命令啟動服務。瀏覽器訪問 http://127.0.0.1:8887 使用產品。 系統需求：macOS Monterey 12.6 或更高版本、CentOS 7 / Ubuntu 20.04 或更高版本、Windows 10 LTSC 2021 或更高版本。
• 工具包模式 (toolkit-based): 需安裝 Python 3.10 (或 3.8.10 以上，視作業系統而定) 、Git 和相應的套件管理器 (conda 或 venv)。 克隆 KAG 程式碼庫，並使用 pip install -e . 安裝 KAG。參考開發者模式快速入門指南，使用內建元件複製內建資料集的效能結果，並將這些元件應用於新的業務場景。