README_DE.md

PySpur ist ein KI-Agenten-Builder in Python. KI-Entwickler nutzen ihn, um Agenten zu erstellen, sie Schritt für Schritt auszuführen und vergangene Durchläufe zu analysieren.

hero.mp4

🕸️ Warum PySpur?

• ✅ Testgetrieben: Erstellen Sie Workflows, führen Sie Testfälle aus und iterieren Sie.
• 👤 Human in the Loop: Persistente Workflows, die auf Genehmigung oder Ablehnung des Users warten.
• 🔄 Loops: Wiederholte Toolaufrufe mit Zwischenspeicherung.
• 📤 Datei-Upload: Laden Sie Dateien hoch oder fügen Sie URLs ein, um Dokumente zu verarbeiten.
• 📋 Strukturierte Outputs: UI-Editor für JSON-Schemata.
• 🗃️ RAG: Daten parsen, in Abschnitte unterteilen, einbetten und in eine Vektor-Datenbank einfügen/aktualisieren.
• 🖼️ Multimodal: Unterstützung für Video, Bilder, Audio, Texte, Code.
• 🧰 Tools: Slack, Firecrawl.dev, Google Sheets, GitHub und mehr.
• 🧪 Evaluierungen: Bewerten Sie Agenten anhand von realen Datensätzen.
• 🚀 One-Click Deploy: Veröffentlichen Sie Ihre Lösung als API und integrieren Sie sie überall.
• 🐍 Python-basiert: Fügen Sie neue Knoten hinzu, indem Sie eine einzige Python-Datei erstellen.
• 🎛️ Support für jeden Anbieter: Über 100 LLM-Anbieter, Einbettungslösungen und Vektor-Datenbanken.

⚡ Schnellstart

Dies ist der schnellste Weg, um loszulegen. Python 3.11 oder höher wird benötigt.

1. PySpur installieren:

   pip install pyspur

2. Ein neues Projekt initialisieren:

   pyspur init my-project
   cd my-project

   Dadurch wird ein neues Verzeichnis mit einer .env-Datei erstellt.

3. Den Server starten:

   pyspur serve --sqlite

   Standardmäßig startet dies die PySpur-App unter http://localhost:6080 mit einer SQLite-Datenbank. Wir empfehlen, in der .env-Datei eine PostgreSQL-Instanz-URL zu konfigurieren, um eine stabilere Erfahrung zu gewährleisten.

4. [Optional] Umgebung konfigurieren und API-Schlüssel hinzufügen:

   • App-Oberfläche: Navigieren Sie zum Tab „API Keys", um Anbieter-Schlüssel hinzuzufügen (OpenAI, Anthropic usw.)
   • Manuelle Konfiguration: Bearbeiten Sie die .env-Datei (empfohlen: PostgreSQL konfigurieren) und starten Sie mit pyspur serve neu

✨ Kernvorteile

Mensch-im-Regelkreis-Haltepunkte:

Diese Haltepunkte pausieren den Workflow, wenn sie erreicht werden, und setzen ihn fort, sobald ein Mensch ihn genehmigt. Sie ermöglichen menschliche Aufsicht für Workflows, die Qualitätssicherung erfordern: Überprüfen Sie kritische Ausgaben, bevor der Workflow fortgesetzt wird.

HIL.mp4

Debuggen auf Node-Ebene:

visualization.mp4

Multimodal (Dateien hochladen oder URLs einfügen)

PDFs, Videos, Audio, Bilder, ...

multimodal.mp4

Loops

RAG

Schritt 1) Erstellen einer Dokumentensammlung (Chunking + Parsing)

RAG_1.mp4

Schritt 2) Erstellen eines Vektorindex (Einbettung + Einfügen/Aktualisieren in der Vektor-Datenbank)

RAG_2.mp4

Modulare Bausteine

blocks.mp4

Endgültige Leistung bewerten

evals.mp4

Demnächst: Selbstverbesserung

optimization.mp4

🛠️ PySpur Entwicklungs-Setup

[ Anweisungen für die Entwicklung auf Unix-ähnlichen Systemen. Entwicklung auf Windows/PC wird nicht unterstützt ]

Für die Entwicklung folgen Sie diesen Schritten:

1. Das Repository klonen:

   git clone https://github.com/PySpur-com/pyspur.git
   cd pyspur

2. Mit docker-compose.dev.yml starten:

   docker compose -f docker-compose.dev.yml up --build -d

   Dadurch wird eine lokale Instanz von PySpur mit aktiviertem Hot-Reloading für die Entwicklung gestartet.

3. Ihre Einrichtung anpassen: Bearbeiten Sie die .env-Datei, um Ihre Umgebung zu konfigurieren. Standardmäßig verwendet PySpur eine lokale PostgreSQL-Datenbank. Um eine externe Datenbank zu nutzen, ändern Sie die POSTGRES_*-Variablen in der .env.

⭐ Unterstützen Sie uns

Sie können uns bei unserer Arbeit unterstützen, indem Sie einen Stern hinterlassen! Vielen Dank!

Ihr Feedback wird sehr geschätzt. Bitte sagen Sie uns, welche Funktionen aus dieser Liste Sie als Nächstes sehen möchten oder schlagen Sie ganz neue vor.