منصوبے کے بارے میں

OpenJarvis ایک Python 3.10+ فریم ورک اور ریسرچ پلیٹ فارم ہے جو ذاتی AI ایجنٹس کے لیے بنایا گیا ہے، جو بطورِ پہلے مقامی طور پر چلتے ہیں۔ اس کا ڈیزائن مقامی ماڈلز اور ہارڈویئر پر زور دیتا ہے، اور کلاؤڈ APIs صرف ضرورت پڑنے پر استعمال ہوتے ہیں۔ یہ درستگی کے ساتھ توانائی کے استعمال، FLOPs، تاخیر، اور مالیاتی لاگت کو بھی جانچ کی پابندیوں کے طور پر لیتا ہے، اور مقامی ٹریس ڈیٹا سے ماڈلز کو بہتر بنانے کے لیے ایک لوپ فراہم کرتا ہے۔ انسٹالر macOS، Linux، WSL2، اور native Windows کے لیے فراہم کیے گئے ہیں، جو uv، ورچوئل ماحول، Ollama، اور ایک ابتدائی ماڈل کو ترتیب دیتے ہیں۔ ڈیسک ٹاپ .exe، .dmg، .deb، .rpm، اور .AppImage ریلیزز بھی پیش کی جاتی ہیں۔ jarvis کمانڈ سسٹم کو شروع کرتا ہے، جبکہ jarvis doctor پس منظر کی ایکسٹینشن اور ماڈل کی حالت کی رپورٹ دیتا ہے۔ پانچ ابتدائی پری سیٹس ہلکے پھلکے مکالمے، جڑی ہوئی سروسز سے بول کر سنائی جانے والی روزانہ بریفنگز، حوالوں کے ساتھ کثیر مرحلہ تحقیق، ایگزیکیوشن اور فائل یا شیل رسائی والے کوڈ ایجنٹ، اور وقت پر چلنے والی حالت مند نگرانی کا احاطہ کرتے ہیں۔ آٹھ بلٹ ان ایجنٹس ضرورت پر، شیڈول پر، یا مسلسل چلتے ہیں، جن میں سادہ چیٹ، ReAct استدلال، کثیر مرحلہ آرکسٹریشن، کوڈ ایگزیکیوشن، مستقل آپریشن، طویل مدتی نگرانی، گہری تحقیق، اور متن سے آواز کے ساتھ صبح کی بریفنگز شامل ہیں۔ اسکلز agentskills.io معیار کی پیروی کرتی ہیں اور عوامی کیٹلاگز یا GitHub ریپوزٹریز سے انسٹال کی جا سکتی ہیں۔ ایجنٹس انہیں ضرورت پر دریافت اور استعمال کرتے ہیں؛ ٹریس ہسٹری اسکلز کو بہتر بنانے کے لیے استعمال کی جا سکتی ہے، اور ان کے اثرات کو بینچ مارک کیا جا سکتا ہے۔ morning-digest پری سیٹ Gmail، Calendar، اور Tasks جیسی سروسز کے لیے OAuth استعمال کرتا ہے اور ای میل، کیلنڈر، صحت، اور خبروں کے ڈیٹا کو ملا سکتا ہے۔ دستاویزات میں انسٹالیشن، فوری آغاز، پری سیٹ گائیڈز، اسکلز ٹیوٹوریلز، Docker ڈپلائمنٹ، کلاؤڈ انجنز، ڈیولپمنٹ سیٹ اپ، روڈ میپ، اور کمیونٹی لنکس شامل ہیں۔ یہ پروجیکٹ Apache 2.0 لائسنس کے تحت ہے اور Stanford کی Hazy Research اور Scaling Intelligence Lab کی پہل کے تحت تیار کیا گیا ہے۔