이 튜토리얼에서는 ClientAI와 Ollama를 사용하여 AI 기반 작업 플래너를 구축해 보겠습니다. 우리의 플래너는 목표를 실행 가능한 작업으로 분류하고, 현실적인 일정을 만들고, 리소스를 관리합니다. 이 모든 작업이 사용자의 컴퓨터에서 실행됩니다.
우리 작업 계획자는 다음을 수행할 수 있습니다.
ClientAI 문서는 여기를, Github Repo는 여기를 참조하세요.
먼저 프로젝트에 대한 새 디렉터리를 만듭니다.
mkdir local_task_planner cd local_task_planner
Ollama 지원을 통해 ClientAI 설치:
pip install clientai[ollama]
시스템에 Ollama가 설치되어 있는지 확인하세요. 올라마 홈페이지에서 받으실 수 있습니다.
기본 Python 파일 만들기:
touch task_planner.py
핵심 가져오기부터 시작해 보겠습니다.
from datetime import datetime, timedelta from typing import Dict, List import logging from clientai import ClientAI from clientai.agent import create_agent, tool from clientai.ollama import OllamaManager logger = logging.getLogger(__name__)
각 구성 요소가 중요한 역할을 합니다.
먼저 AI 상호작용을 관리할 TaskPlanner 클래스를 만들어 보겠습니다.
class TaskPlanner:
"""A local task planning system using Ollama."""
def __init__(self):
"""Initialize the task planner with Ollama."""
self.manager = OllamaManager()
self.client = None
self.planner = None
def start(self):
"""Start the Ollama server and initialize the client."""
self.manager.start()
self.client = ClientAI("ollama", host="http://localhost:11434")
self.planner = create_agent(
client=self.client,
role="task planner",
system_prompt="""You are a practical task planner. Break down goals into
specific, actionable tasks with realistic time estimates and resource needs.
Use the tools provided to validate timelines and format plans properly.""",
model="llama3",
step="think",
tools=[validate_timeline, format_plan],
tool_confidence=0.8,
stream=True,
)
이 수업은 우리의 기초가 됩니다. Ollama 서버 라이프사이클을 관리하고 AI 클라이언트를 생성 및 구성하며 특정 기능을 갖춘 계획 에이전트를 설정합니다.
이제 AI가 사용할 도구를 만들어 보겠습니다. 먼저, 타임라인 검사기:
@tool(name="validate_timeline")
def validate_timeline(tasks: Dict[str, int]) -> Dict[str, dict]:
"""
Validate time estimates and create a realistic timeline.
Args:
tasks: Dictionary of task names and estimated hours
Returns:
Dictionary with start dates and deadlines
"""
try:
current_date = datetime.now()
timeline = {}
accumulated_hours = 0
for task, hours in tasks.items():
try:
hours_int = int(float(str(hours)))
if hours_int <= 0:
logger.warning(f"Skipping task {task}: Invalid hours value {hours}")
continue
days_needed = hours_int / 6
start_date = current_date + timedelta(hours=accumulated_hours)
end_date = start_date + timedelta(days=days_needed)
timeline[task] = {
"start": start_date.strftime("%Y-%m-%d"),
"end": end_date.strftime("%Y-%m-%d"),
"hours": hours_int,
}
accumulated_hours += hours_int
except (ValueError, TypeError) as e:
logger.warning(f"Skipping task {task}: Invalid hours value {hours} - {e}")
continue
return timeline
except Exception as e:
logger.error(f"Error validating timeline: {str(e)}")
return {}
이 유효성 검사기는 예상 시간을 근무일로 변환하고, 유효하지 않은 입력을 적절하게 처리하고, 현실적인 순차적 일정을 생성하고, 디버깅을 위한 자세한 로깅을 제공합니다.
다음으로 계획 포맷터를 만들어 보겠습니다.
@tool(name="format_plan")
def format_plan(
tasks: List[str],
timeline: Dict[str, dict],
resources: List[str]
) -> str:
"""
Format the plan in a clear, structured way.
Args:
tasks: List of tasks
timeline: Timeline from validate_timeline
resources: List of required resources
Returns:
Formatted plan as a string
"""
try:
plan = "== Project Plan ==\n\n"
plan += "Tasks and Timeline:\n"
for i, task in enumerate(tasks, 1):
if task in timeline:
t = timeline[task]
plan += f"\n{i}. {task}\n"
plan += f" Start: {t['start']}\n"
plan += f" End: {t['end']}\n"
plan += f" Estimated Hours: {t['hours']}\n"
plan += "\nRequired Resources:\n"
for resource in resources:
plan += f"- {resource}\n"
return plan
except Exception as e:
logger.error(f"Error formatting plan: {str(e)}")
return "Error: Unable to format plan"
여기서는 작업 번호를 적절하게 매기고 타임라인을 정리하여 일관되고 읽기 쉬운 출력을 만들고 싶습니다.
플래너를 위한 사용자 친화적인 인터페이스를 만들어 보겠습니다.
def get_plan(self, goal: str) -> str:
"""
Generate a plan for the given goal.
Args:
goal: The goal to plan for
Returns:
A formatted plan string
"""
if not self.planner:
raise RuntimeError("Planner not initialized. Call start() first.")
return self.planner.run(goal)
def main():
planner = TaskPlanner()
try:
print("Task Planner (Local AI)")
print("Enter your goal, and I'll create a practical, timeline-based plan.")
print("Type 'quit' to exit.")
planner.start()
while True:
print("\n" + "=" * 50 + "\n")
goal = input("Enter your goal: ")
if goal.lower() == "quit":
break
try:
plan = planner.get_plan(goal)
print("\nYour Plan:\n")
for chunk in plan:
print(chunk, end="", flush=True)
except Exception as e:
print(f"Error: {str(e)}")
finally:
planner.stop()
if __name__ == "__main__":
main()
저희 인터페이스는 다음을 제공합니다.
플래너를 실행하면 다음과 같은 내용이 표시됩니다.
Task Planner (Local AI) Enter your goal, and I'll create a practical, timeline-based plan. Type 'quit' to exit. ================================================== Enter your goal: Create a personal portfolio website Your Plan: == Project Plan == Tasks and Timeline: 1. Requirements Analysis and Planning Start: 2024-12-08 End: 2024-12-09 Estimated Hours: 6 2. Design and Wireframing Start: 2024-12-09 End: 2024-12-11 Estimated Hours: 12 3. Content Creation Start: 2024-12-11 End: 2024-12-12 Estimated Hours: 8 4. Development Start: 2024-12-12 End: 2024-12-15 Estimated Hours: 20 Required Resources: - Design software (e.g., Figma) - Text editor or IDE - Web hosting service - Version control system
작업 계획을 위해 다음 개선 사항을 고려하세요.
ClientAI에 대해 자세히 알아보려면 문서로 이동하세요.
이 튜토리얼에 대해 질문이 있거나 작업 플래너의 개선 사항을 공유하고 싶다면 언제든지 문의하세요.
위 내용은 ClientAI 및 Ollama를 사용하여 로컬 AI 작업 플래너 구축의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
