15 KiB
English | 中文 | Español | 日本語 | Deutsch | Русский | Português | Français | 한국어
Pocket Flow es un framework minimalista de LLM de 100 líneas
-
Ligero: Solo 100 líneas. Cero hinchazón, cero dependencias, cero vinculación a proveedores.
-
Expresivo: Todo lo que amas—(Multi-)Agentes, Flujo de Trabajo, RAG, y más.
-
Programación mediante Agentes: Permite que los Agentes de IA (por ejemplo, Cursor AI) construyan Agentes—¡multiplicando la productividad por 10!
Comienza con Pocket Flow:
- Para instalar,
pip install pocketflowo simplemente copia el código fuente (solo 100 líneas). - Para aprender más, consulta la documentación. Para conocer la motivación, lee la historia.
- ¿Tienes preguntas? Consulta este Asistente de IA, o ¡crea un issue!
- 🎉 ¡Únete a nuestro Discord para conectar con otros desarrolladores construyendo con Pocket Flow!
- 🎉 Pocket Flow inicialmente está en Python, ¡pero ahora tenemos versiones en Typescript, Java, C++ y Go!
¿Por qué Pocket Flow?
Los frameworks actuales de LLM están sobrecargados... ¡Solo necesitas 100 líneas para un framework de LLM!
| Abstracción | Envolturas Específicas de Aplicación | Envolturas Específicas de Proveedor | Líneas | Tamaño | |
|---|---|---|---|---|---|
| LangChain | Agente, Cadena | Muchas (p.ej., QA, Resumen) |
Muchas (p.ej., OpenAI, Pinecone, etc.) |
405K | +166MB |
| CrewAI | Agente, Cadena | Muchas (p.ej., FileReadTool, SerperDevTool) |
Muchas (p.ej., OpenAI, Anthropic, Pinecone, etc.) |
18K | +173MB |
| SmolAgent | Agente | Algunas (p.ej., CodeAgent, VisitWebTool) |
Algunas (p.ej., DuckDuckGo, Hugging Face, etc.) |
8K | +198MB |
| LangGraph | Agente, Grafo | Algunas (p.ej., Búsqueda Semántica) |
Algunas (p.ej., PostgresStore, SqliteSaver, etc.) |
37K | +51MB |
| AutoGen | Agente | Algunas (p.ej., Tool Agent, Chat Agent) |
Muchas [Opcional] (p.ej., OpenAI, Pinecone, etc.) |
7K (solo-núcleo) |
+26MB (solo-núcleo) |
| PocketFlow | Grafo | Ninguna | Ninguna | 100 | +56KB |
¿Cómo funciona Pocket Flow?
Las 100 líneas capturan la abstracción principal de los frameworks de LLM: ¡el Grafo!
A partir de ahí, es fácil implementar patrones de diseño populares como (Multi-)Agentes, Flujo de Trabajo, RAG, etc.
✨ A continuación se presentan tutoriales básicos:
| Nombre | Dificultad | Descripción |
|---|---|---|
| Chat | ☆☆☆ Principiante |
Un chatbot básico con historial de conversación |
| Salida Estructurada | ☆☆☆ Principiante |
Extracción de datos estructurados de currículums mediante prompts |
| Flujo de Trabajo | ☆☆☆ Principiante |
Un flujo de escritura que esquematiza, escribe contenido y aplica estilo |
| Agente | ☆☆☆ Principiante |
Un agente de investigación que puede buscar en la web y responder preguntas |
| RAG | ☆☆☆ Principiante |
Un simple proceso de Generación aumentada por Recuperación |
| Procesamiento por Lotes | ☆☆☆ Principiante |
Un procesador por lotes que traduce contenido markdown a múltiples idiomas |
| Streaming | ☆☆☆ Principiante |
Una demostración de streaming LLM en tiempo real con capacidad de interrupción del usuario |
| Protección de Chat | ☆☆☆ Principiante |
Un chatbot asesor de viajes que solo procesa consultas relacionadas con viajes |
| Map-Reduce | ★☆☆ Inicial |
Un procesador de calificación de currículums que utiliza el patrón map-reduce para evaluación por lotes |
| Multi-Agente | ★☆☆ Inicial |
Un juego de palabras Tabú para comunicación asíncrona entre dos agentes |
| Supervisor | ★☆☆ Inicial |
El agente de investigación se vuelve poco fiable... Construyamos un proceso de supervisión |
| Paralelo | ★☆☆ Inicial |
Una demostración de ejecución paralela que muestra una aceleración de 3x |
| Flujo Paralelo | ★☆☆ Inicial |
Una demostración de procesamiento de imágenes en paralelo que muestra una aceleración de 8x con múltiples filtros |
| Voto por Mayoría | ★☆☆ Inicial |
Mejora de la precisión del razonamiento mediante la agregación de múltiples intentos de solución |
| Pensamiento | ★☆☆ Inicial |
Resolver problemas de razonamiento complejos a través de Cadena de Pensamiento |
| Memoria | ★☆☆ Inicial |
Un chatbot con memoria a corto y largo plazo |
| Text2SQL | ★☆☆ Inicial |
Convertir lenguaje natural a consultas SQL con un bucle de auto-depuración |
| MCP | ★☆☆ Inicial |
Agente que utiliza el Protocolo de Contexto de Modelo para operaciones numéricas |
| A2A | ★☆☆ Inicial |
Agente envuelto con protocolo Agente-a-Agente para comunicación entre agentes |
| Web HITL | ★☆☆ Inicial |
Un servicio web mínimo para un bucle de revisión humana con actualizaciones SSE |
👀 ¿Quieres ver otros tutoriales para principiantes? ¡Crea un issue!
¿Cómo usar Pocket Flow?
🚀 A través de la Programación mediante Agentes—el paradigma de desarrollo de aplicaciones LLM más rápido- donde los humanos diseñan y los agentes programan!
✨ A continuación hay ejemplos de aplicaciones LLM más complejas:
| Nombre de la App | Dificultad | Temas | Diseño Humano | Código del Agente |
|---|---|---|---|---|
| Construir Cursor con Cursor Pronto alcanzaremos la singularidad ... |
★★★ Avanzado |
Agente | Doc de Diseño | Código de Flujo |
| Constructor de Conocimiento de Código Base La vida es demasiado corta para mirar el código de otros con confusión |
★★☆ Medio |
Flujo de Trabajo | Doc de Diseño | Código de Flujo |
| Pregunta a AI Paul Graham Pregunta a AI Paul Graham, en caso de que no entres |
★★☆ Medio |
RAG Map Reduce TTS |
Doc de Diseño | Código de Flujo |
| Resumidor de Youtube Explica videos de YouTube como si tuvieras 5 años |
★☆☆ Principiante |
Map Reduce | Doc de Diseño | Código de Flujo |
| Generador de Introducción para Email Frío Rompehielos instantáneos que convierten leads fríos en calientes |
★☆☆ Principiante |
Map Reduce Búsqueda Web |
Doc de Diseño | Código de Flujo |
-
¿Quieres aprender Programación mediante Agentes?
-
¡Consulta mi YouTube para ver tutoriales en video sobre cómo se crearon algunas de las aplicaciones anteriores!
-
¿Quieres construir tu propia aplicación LLM? ¡Lee este post! ¡Comienza con esta plantilla!
-