File
Baca, tulis, edit, hapus, dan daftar file langsung di folder kerja Anda.
Produk
Pipeline machine learning untuk proyek Anda sendiri
01
Model Ledger membantu Anda membuat skrip pipeline machine learning dengan membaca, mengedit file, dan menjalankan perintah di folder Anda sendiri serta menampilkan output sebenarnya.
Shell
Jalankan perintah terminal dan lihat output serta kode keluar yang sebenarnya.
Persetujuan
Berhenti sebelum perubahan, buat rencana dulu, atau jalankan tindakan secara otomatis.
Fitur
- Fileread_file, write_file, edit_file, delete_file, make_dir, move_file, copy_file, list_dir, grep, glob bekerja di folder obrolan.
- Shellmenjalankan perintah terminal seperti build dan tes, menilai keberhasilan berdasarkan kode keluar yang sebenarnya.
- Webweb_search mencari informasi dan http_get membaca halaman dokumentasi resmi.
- Screenshot dan gambargen_image menyimpan file gambar nyata dan ocr membaca teks dari screenshot.
- Orkestrasitask membagi pekerjaan menjadi sub-agen paralel dan run_on_model mengirimkan langkah sulit ke model yang lebih besar.
- Mode persetujuanAuto-run bertindak sekaligus, Ask first berhenti sebelum perubahan, Plan only membuat rencana.
- Cronmenjalankan prompt sesuai jadwal.
- Modelgunakan penyedia cloud, model lokal, atau model bawaan dengan tombol Uji.
Cara kerja
Agen memeriksa proyek Anda, menjalankan perintah, mengedit skrip, dan menampilkan setiap perubahan sebagai diff; dalam mode Ask first, diff menunggu persetujuan Anda.
Buat skrip dasar yang membaca CSV dan mencetak label yang paling umum.
- list_dir
.1 kecocokan - write_file
baseline.pydisimpan - edit_file
baseline.py3 perubahan - Shell
python baseline.pyexit 0 - read_file
baseline.py8 baris
menunggu persetujuan Anda sebelum melanjutkanTolakTerima
Panduan
Langkah pemula
Mulai pipeline machine learning Anda dengan memilih ide kecil seperti filter spam, dan agen menggunakan list_dir untuk melihat struktur folder Anda. Ini nyata. Agen menggunakan glob untuk menemukan skrip yang relevan di folder proyek Anda. Kemudian, ia menggunakan read_file untuk memeriksa kode pemuatan data Anda dengan cermat. Selanjutnya, ia menggunakan write_file untuk membuat skrip dasar sederhana untuk Anda. Orang yang mencari 'proyek ml praktis untuk resume' sering memulai dengan struktur yang jelas ini. Ia menggunakan edit_file untuk mengubah skrip jika diperlukan, menampilkan diff dalam mode Ask first. Akhirnya, ia menjalankan perintah pelatihan Anda di alat Shell untuk output nyata.
Tinjauan lanjutan
Agen menggunakan grep untuk menemukan di mana pengaturan digunakan dalam basis kode Anda dan web_search untuk menemukan dokumentasi resmi untuk pustaka Anda. Sederhana. Ia menggunakan task untuk membagi tinjauan menjadi bagian-bagian untuk pemrosesan paralel. http_get membaca halaman tertentu sementara gen_image menyimpan plot. ocr membaca teks dari screenshot dan run_on_model menangani langkah sulit. Keahlian kontrol versi mengelola cabang dan commit untuk proyek machine learning Anda untuk pemula. Cron menjadwalkan tugas sehingga Anda meninjau rencana dalam mode Plan only. Ide proyek ml dunia nyata muncul ketika Anda beralih ke Auto-run untuk membiarkannya selesai.
Apa yang tidak dilakukan Model Ledger
Gunakan hanya pada file, data, dan sistem Anda sendiri atau yang memiliki izin tulis, dan Anda bertanggung jawab atas itu. Aplikasi tidak menjamin bahwa kode atau analisis benar, jadi tinjau diff dan jalankan tes. Ini berguna untuk menemukan topik bagus untuk proyek ml dalam resume.
