Набор агентов для интеграции сервисов искусственного интеллекта Yandex Cloud Foundation Models с Huginn.

Агент для работы с языковыми моделями YandexGPT. Позволяет использовать мощь языковых моделей YandexGPT для обработки текста в ваших автоматизированных сценариях.

Ключевые возможности:

• Асинхронная работа с YandexGPT API
• Поддержка всех моделей YandexGPT (YandexGPT-Lite, YandexGPT-Pro)
• Гибкая настройка промптов через Liquid-шаблоны
• Контроль креативности (параметр температуры 0-1)
• Ограничение длины ответа (максимальное число токенов)
• Поддержка JSON вывода (структурированные данные)
• Автоматическая проверка статуса операций

Универсальный агент для семантического поиска и классификации с использованием эмбеддингов Yandex Foundation Models. Поддерживает различные сценарии: от автотеггинга до семантического поиска по базе знаний.

Ключевые возможности:

• Семантический поиск по произвольным документам-кандидатам
• Гибкое извлечение результатов через Liquid-шаблоны
• Поддержка моделей эмбеддингов (text-search-doc, text-search-query)
• Кэширование эмбеддингов для документов-кандидатов
• Настраиваемый порог сходства (0-1) и лимит результатов

Добавьте в файл .env вашего Huginn:

ADDITIONAL_GEMS="huginn_yandex_gpt_agent(github: black-roland/huginn-yandexgpt-agent)"

Затем выполните:

bundle

Обязательные параметры:

• folder_id - ID каталога Yandex Cloud
• api_key - API-ключ для аутентификации
• model_name - Название модели (yandexgpt-lite, yandexgpt)
• system_prompt - Системный промпт (определяет поведение модели)
• user_prompt - Пользовательский запрос (поддерживает Liquid-шаблоны)

Основные настройки:

• temperature (0-1) - Управление креативностью ответов
• max_tokens - Максимальное количество токенов в ответе
• model_version - Версия модели (latest, rc, deprecated)

Structured Output:

• json_output - Включить вывод в формате JSON
• json_schema - Схема для структурированного ответа (опционально)

Обязательные параметры:

• folder_id - ID каталога Yandex Cloud
• api_key - API-ключ для аутентификации
• candidate_documents - Массив документов-кандидатов для поиска
• query_text - Текст запроса (поддерживает Liquid-шаблоны)

Основные настройки:

• result_extraction_pattern - Liquid шаблон для извлечения результатов
• min_similarity (0-1) - Минимальное значение косинусного сходства
• max_results - Максимальное количество возвращаемых результатов
• model_uri - URI модели эмбеддингов (text-search-doc, text-search-query)

system_prompt: "Ты - помощник, который анализирует тексты"
user_prompt: "Выдели ключевые темы из текста: {{ text }}"
temperature: 0.3
max_tokens: 500

candidate_documents: [
  "ai: Artificial Intelligence, Machine Learning, Deep Learning, Neural Networks, NLP, Computer Vision, ChatGPT, OpenAI, GPT, LLM, Generative AI, AI assistants, robotics, automation, искусственный интеллект, ИИ, машинное обучение, нейросети, компьютерное зрение, генеративный ИИ",
  "radio: Ham radio, amateur radio, wireless communication, RF, antennas, shortwave, VHF, UHF, broadcasting, transceivers, радиосвязь, радиолюбительство, антенны, беспроводная связь"
]
query_text: "{{ title }} {{ description }}"
result_extraction_pattern: "{{ document | split: ': ' | first }}"
min_similarity: 0.45
max_results: 3
query_model_uri: "text-search-doc"
document_model_uri: "text-search-doc"

candidate_documents: [
  "Александр Сергеевич Пушкин (26 мая [6 июня] 1799, Москва — 29 января [10 февраля] 1837, Санкт-Петербург) — русский поэт, драматург и прозаик, заложивший основы русского реалистического направления, литературный критик и теоретик литературы, историк, публицист, журналист.",
  "Ромашка — род однолетних цветковых растений семейства астровые, или сложноцветные, по современной классификации объединяет около 70 видов невысоких пахучих трав, цветущих с первого года жизни."
]
query_text: "когда день рождения Пушкина?"
result_extraction_pattern: "{{ document }}"
min_similarity: 0.6
max_results: 1
query_model_uri: "text-search-query"
document_model_uri: "text-search-doc"

{
  "completion": {
    "text": "Ответ модели",
    "json": {
      "field1": "value1",
      "field2": ["array", "values"]
    },
    "usage": {
      "input_text_tokens": 150,
      "completion_tokens": 200,
      "total_tokens": 350
    },
    "model_version": "23.10.2024"
  }
}

{
  "semantic_search": {
    "results": ["ai", "science"],
    "matches": [
      {
        "document": "ai artificial intelligence and machine learning",
        "similarity": 0.85,
        "result": "ai"
      },
      {
        "document": "science scientific research and discoveries",
        "similarity": 0.78,
        "result": "science"
      }
    ]
  }
}

1. Универсальность: Один агент для множества задач семантического поиска
2. Экономичность: Эмбеддинги значительно дешевле полных LLM-запросов
3. Гибкость: Произвольные документы-кандидаты и шаблоны извлечения
4. Стабильность: Детерминированные результаты на основе векторной математики
5. Прозрачность: Подробная информация о сходстве и совпадениях

• Автотеггинг закладок и контента
• Семантическая категоризация новостей
• Поиск похожего контента и дубликатов
• Извлечение структурированной информации из текста

Данный агент является неофициальным и не связан с Yandex Cloud. Yandex Foundation Models — это сервис, предоставляемый Yandex Cloud.

Данный агент не является официальным продуктом Яндекса и не поддерживается Яндексом. Разработчик агента не несёт ответственности за:

• Изменения в API Yandex Cloud;
• Прекращение работы сервиса Yandex Foundation Models;
• Любые возможные неполадки или убытки, вызванные использованием данного агента.