Saltar a contenido

GenericSuite AI para Python

gs_ai_logo_circle.png

GenericSuite AI (backend version) es una solución de backend versátil, diseñada para proporcionar un conjunto completo de características, herramientas y funcionalidades para APIs de Python orientadas a IA.

Está basado en The Generic Suite (backend version).

El compañero perfecto para esta solución de backend es The GenericSuite AI (frontend version)

Requisitos

Cuenta de AWS y credenciales

  • Cuenta de AWS, ver free tier.
  • Token de AWS, ver Access Keys.
  • Interfaz de línea de comandos de AWS, ver awscli.
  • Framework de API y Despliegue sin servidor, ver Chalice.

Instalación

Primero verifique la sección de Getting Started en la documentación de la versión backend de GenericSuite.

Para usar GenericSuite AI en su proyecto, instálelo con el/los siguientes comandos:

Desde PyPi

Pip

pip install genericsuite genericsuite-ai

Pipenv

pipenv install genericsuite genericsuite-ai

Poetry

poetry add genericsuite genericsuite-ai

Uv

uv add genericsuite genericsuite-ai

NOTA: en las siguientes instrucciones solo mostraremos pip install ....
Si usa pipenv, reemplácelo por pipenv install ....
Si usa poetry, reemplácelo por poetry add ....
Si usa uv, reemplácelo por uv add ....

Consulte esta documentación para usar las diferentes herramientas de gestión de paquetes y dependencias de Python.

Desde Git o Directorio Local

Consulte esta documentación para instalar desde un repositorio/ rama de Git o desde un Directorio Local.

Dependencias de prueba

Para ejecutar las pruebas unitarias y de integración, instale pytest y coverage:

pip install pytest coverage

Instalación de scripts de desarrollo

Los scripts de desarrollo del backend de GenericSuite contienen utilidades para construir y desplegar APIs creadas por The GenericSuite.

npm install -D genericsuite-be-scripts

Funcionalidades

  • Endpoint de AI Agent para implementar conversaciones tipo chatbot NLP.
  • OpenAI GPT, Google Gemini, Anthropic Claude, Meta Llama, Hugging Face, xAI, IBM WatsonX y muchos otros modelos.
  • OpenAI API, Google API, Anthropic API, Hugging Face, Together AI, OpenRuter, API de IA/ML, Ollama, Clarifai y otros proveedores de LLM.
  • Visión por computadora (OpenAI GPT4 Vision, Google Gemini Vision, Clarifai Vision).
  • Procesamiento de voz a texto (OpenAI Whisper, Clarifai Audio Models).
  • Texto a voz (OpenAI TTS-1, Clarifai Audio Models).
  • Generador de imágenes (OpenAI DALL-E 3, Google Gemini Image, Clarifai Image Models).
  • Indexadores vectoriales (FAISS, Chroma, Clarifai, Vectara, Weaviate, MongoDBAtlasVectorSearch).
  • Embeddings (OpenAI, Hugging Face, Bedrock, Cohere, Ollama, Clarifai).
  • Herramienta de búsqueda en la web.
  • Raspeo y análisis de páginas web.
  • Lectores de JSON, PDF, Git y YouTube.
  • Herramientas de traducción de idiomas.
  • Chats almacenados en la base de datos.
  • Plan de usuario, clave API de OpenAI y nombre de modelo en el perfil del usuario, para permitir que usuarios con plan gratuito utilicen modelos a su propio costo.

Configuración

Configure su aplicación configurando las variables de entorno necesarias.

Consulte los archivos .env.example y config.py para las opciones disponibles.

Primero copie la plantilla .env.example a su archivo .env:

curl https://raw.githubusercontent.com/tomkat-cr/genericsuite-be-ai/main/.env.example > .env

Luego, edite el archivo .env para establecer los valores deseados:

vi .env

Por favor, consulte la sección de configuración de la versión backend de GenericSuite para más detalles sobre variables de entorno generales.

Para GenericSuite AI, existen estas variables de entorno adicionales:

  • Configuración de chatbot
# Nombre del asistente de IA
AI_ASSISTANT_NAME=ExampleBot

GOOGLE_API_KEY=google_console_api_key

https://programmablesearchengine.google.com/

GOOGLE_CSE_ID=google_console_cse_key

OPENAI_API_KEY=openai_api_key
OPENAI_MODEL=gpt-4o-mini  # otras opciones: gpt-5-nano, gpt-5-mini, gpt-5, gpt-4o, gpt-3.5-turbo
OPENAI_TEMPERATURE=0.5

# LANGCHAIN_API_KEY=langchain_api_key
# LANGCHAIN_PROJECT=langchain_project

NOTA: La configuración de Langchain/LangSmith es opcional. Si no tiene una cuenta de Langchain/LangSmith, deje las variables comentadas.

HUGGINGFACE_API_KEY=huggingface_api_key
  • Modelo de chat de Hugging Face
HUGGINGFACE_DEFAULT_CHAT_MODEL=huggingface_default_chat_model

# Modelos probados:
# HUGGINGFACE_DEFAULT_CHAT_MODEL=moonshotai/Kimi-K2-Instruct-0905
# HUGGINGFACE_DEFAULT_CHAT_MODEL=meta-llama/Meta-Llama-3.1-8B-Instruct
# HUGGINGFACE_DEFAULT_CHAT_MODEL=meta-llama/Llama-2-7b-chat-hf

# NOTA: Modelos grandes funcionan con huggingface_pipeline solamente
# HUGGINGFACE_DEFAULT_CHAT_MODEL=meta-llama/Meta-Llama-3.1-405B-Instruct
  • Modelo de generación de imágenes de Hugging Face
HUGGINGFACE_DEFAULT_IMG_GEN_MODEL=huggingface_default_img_gen_model

# Modelos probados:
# HUGGINGFACE_DEFAULT_IMG_GEN_MODEL=black-forest-labs/FLUX.1-dev
# HUGGINGFACE_DEFAULT_IMG_GEN_MODEL=black-forest-labs/FLUX.1-schnell

AWS_S3_CHATBOT_ATTACHMENTS_BUCKET_DEV=exampleapp-chatbot-attachments-dev
AWS_S3_CHATBOT_ATTACHMENTS_BUCKET_QA=exampleapp-chatbot-attachments-qa
AWS_S3_CHATBOT_ATTACHMENTS_BUCKET_STAGING=exampleapp-chatbot-attachments-staging
AWS_S3_CHATBOT_ATTACHMENTS_BUCKET_PROD=exampleapp-chatbot-attachments-prod

Configuraciones dinámicas de IA

Configurable via frontend Admin > Configuration Parameters menu option, because they're not included as AWS Lambda environment variables in the deployment scripts.

  • Configuraciones generales del motor de IA
LANGCHAIN_DEFAULT_MODEL=chat_openai
# LANGCHAIN_DEFAULT_MODEL=anthropic
# LANGCHAIN_DEFAULT_MODEL=groq
# LANGCHAIN_DEFAULT_MODEL=gemini
# LANGCHAIN_DEFAULT_MODEL=clarifai
# LANGCHAIN_DEFAULT_MODEL=gs_huggingface
#                      o huggingface_remote | Genericsuite's Hugging Face lightweight Inference API
# LANGCHAIN_DEFAULT_MODEL=huggingface
# LANGCHAIN_DEFAULT_MODEL=huggingface_pipeline

IMPORTANTE: El tipo de modelo "huggingface_pipeline" utiliza la dependencia "langchain_hugginface" que puede requerir "sentence-transformers", haciendo imposible desplegar las funciones Lambda de AWS. La alternativa es el GS Huggingface ligero identificado por los tipos de modelo "huggingface_remote" o "gs_huggingface".

# Método de respuesta de IA:
#
# Método de respuesta que espera a finalizar (predeterminado)
AI_STREAMING=0
# Método de respuesta en streaming
# AI_STREAMING=1

AI_VISION_TECHNOLOGY=openai
# AI_VISION_TECHNOLOGY=gemini
# AI_VISION_TECHNOLOGY=clarifai

AI_IMG_GEN_TECHNOLOGY=openai
# AI_IMG_GEN_TECHNOLOGY=huggingface
# AI_IMG_GEN_TECHNOLOGY=gemini
# AI_IMG_GEN_TECHNOLOGY=clarifai

AI_AUDIO_TO_TEXT_TECHNOLOGY=openai
# AI_AUDIO_TO_TEXT_TECHNOLOGY=google
# AI_AUDIO_TO_TEXT_TECHNOLOGY=clarifai

AI_TEXT_TO_AUDIO_TECHNOLOGY=openai
# AI_TEXT_TO_AUDIO_TECHNOLOGY=clarifai

EMBEDDINGS_ENGINE=openai
# EMBEDDINGS_ENGINE=clarifai

VECTOR_STORE_ENGINE=FAISS
# VECTOR_STORE_ENGINE=clarifai
# VECTOR_STORE_ENGINE=mongo
# VECTOR_STORE_ENGINE=vectara

# Añadir modelos adicionales al LLM
AI_ADDITIONAL_MODELS=0
# AI_ADDITIONAL_MODELS=1
  • Modelos de preámbulo: se usan principalmente con modelos de Thinking AI como OpenAI o1 y o3, o DeepSeek
# Permitir mensaje del sistema (0/1). Por defecto 1. Ponga a 0 para la mayoría de los modelos Thinking AI
# AI_MODEL_ALLOW_SYSTEM_MSG=0

# Permitir herramientas (0/1). Por defecto 1. Ponga a 0 para la mayoría de los modelos Thinking AI
# AI_MODEL_ALLOW_TOOLS=0

# ¿Se necesita preámbulo (0/1). Por defecto 0. Ponga a 1 para la mayoría de modelos Thinking AI
# AI_MODEL_NEED_PREAMBLE=1

# Tipo de modelo de preámbulo (chat_openai, huggingface, etc.). Por defecto "chat_openai". Debe configurarse para la mayoría de modelos Thinking AI cuando AI_MODEL_NEED_PREAMBLE=1
# AI_PREAMBLE_MODEL_DEFAULT_TYPE=chat_openai

# Nombre del modelo de preámbulo. Por defecto "gpt-4o-mini". Debe configurarse para la mayoría de modelos Thinking AI cuando #AI_MODEL_NEED_PREAMBLE=1
# AI_PREAMBLE_MODEL_DEFAULT_MODEL=gpt-4o-mini

# Configuración base del modelo de preámbulo, para establecer valores por defecto para algunos modelos de Thinking AI si es necesario.
# AI_PREAMBLE_MODEL_BASE_CONF='{"o1-mini": {"model_type": "chat_openai", "model_name": "gpt-4o-mini"}, "o1-preview": {"model_type": "chat_openai", "model_name": "gpt-4o-mini"}}'

# Configuración de modelo de preámbulo personalizada, para establecer valores por defecto para algunos modelos de Thinking AI si es necesario.
# AI_PREAMBLE_MODEL_CUSTOM_CONF=''

Por ejemplo, para usar "DeepSeek-V3.2" alojado en Hugging Face, puede establecer las siguientes variables de entorno:

LANGCHAIN_DEFAULT_MODEL=huggingface
HUGGINGFACE_API_KEY=hf_xxxxxx
HUGGINGFACE_DEFAULT_CHAT_MODEL=deepseek-ai/DeepSeek-V3.2
AI_MODEL_ALLOW_SYSTEM_MSG=0
AI_MODEL_ALLOW_TOOLS=0
AI_MODEL_NEED_PREAMBLE=1
AI_PREAMBLE_MODEL_DEFAULT_TYPE=huggingface
AI_PREAMBLE_MODEL_DEFAULT_MODEL=moonshotai/Kimi-K2-Instruct-0905
# AI_PREAMBLE_MODEL_BASE_CONF='{"o1-mini": {"model_type": "chat_openai", "model_name": "gpt-4o-mini"}, "o1-preview": {"model_type": "chat_openai", "model_name": "gpt-4o-mini"}}'
# AI_PREAMBLE_MODEL_CUSTOM_CONF=
  • Credenciales de Langchain y otros parámetros
# Langsmith
LANGCHAIN_ENDPOINT=https://api.smith.langchain.com
LANGCHAIN_TRACING_V2=true

# Configuración de Agente
LANGCHAIN_AGENT_TYPE=lcel
# LANGCHAIN_AGENT_TYPE=react_chat_agent
# LANGCHAIN_AGENT_TYPE=react_agent
# LANGCHAIN_AGENT_TYPE=structured_chat_agent
# LANGCHAIN_AGENT_TYPE=LLMSingleActionAgent

LANGCHAIN_MAX_ITERATIONS=8
LANGCHAIN_EARLY_STOPPING_METHOD=force
# LANGCHAIN_EARLY_STOPPING_METHOD=generate
LANGCHAIN_HANDLE_PARSING_ERR=1

# Traducir la respuesta final del chatbot al usuario en caso de que el idioma del usuario no sea inglés
LANGCHAIN_TRANSLATE_USING=google_translate
# LANGCHAIN_TRANSLATE_USING=initial_prompt
# LANGCHAIN_TRANSLATE_USING=same_model
# LANGCHAIN_TRANSLATE_USING=

LANGCHAIN_USE_LANGSMITH_HUB=0
# LANGCHAIN_USE_LANGSMITH_HUB=1
  • Otros parámetros de Google
GOOGLE_MODEL=gemini-pro

GOOGLE_VISION_MODEL=gemini-pro-vision

# GOOGLE_IMG_GEN_MODEL=gemini-pro-vision
GOOGLE_IMG_GEN_MODEL=imagegeneration@005
  • Otros parámetros de OpenAI
# OPENAI_MAX_TOKENS=""
# OPENAI_TOP_P="1"

# Modelo NLP adicional
OPENAI_MODEL_PREMIUM=gpt-4o   # otras opciones: gpt-5, o1-mini, o1-preview, gpt-4
OPENAI_MODEL_INSTRUCT=gpt-3.5-turbo-instruct

# Modelo de visión por computadora
OPENAI_VISION_MODEL=gpt-4-vision-preview

# Modelo de generación de imágenes
OPENAI_IMAGE_GEN_MODEL=dall-e-3

# Modelo de voz a texto
OPENAI_VOICE_MODEL=whisper-1
# Modelo de texto a voz
OPENAI_TEXT_TO_AUDIO_MODEL=tts-1
OPENAI_TEXT_TO_AUDIO_VOICE=onyx
# OPENAI_TEXT_TO_AUDIO_VOICE=alloy
# OPENAI_TEXT_TO_AUDIO_VOICE=echo
# OPENAI_TEXT_TO_AUDIO_VOICE=fable
# OPENAI_TEXT_TO_AUDIO_VOICE=nova
# OPENAI_TEXT_TO_AUDIO_VOICE=shimmer

# Modelo de embeddings
OPENAI_EMBEDDINGS_MODEL=text-embedding-ada-002
# OPENAI_EMBEDDINGS_MODEL=text-embedding-3-small
# Modelo de embeddings premium
OPENAI_EMBEDDINGS_MODEL_PREMIUM=text-embedding-3-large'

ANTHROPIC_API_KEY=
ANTHROPIC_MODEL=claude-3-5-sonnet-20240620

GROQ_API_KEY=groq_api_key
#
# https://console.groq.com/docs/models
GROQ_MODEL=mixtral-8x7b-32768

AWS_BEDROCK_MODEL_ID=amazon.titan-text-premier-v1:0
# AWS_BEDROCK_MODEL_ID=amazon.titan-text-express-v1
# AWS_BEDROCK_MODEL_ID=ai21.jamba-instruct-v1:0
# AWS_BEDROCK_MODEL_ID=anthropic.claude-3-haiku-20240307-v1:0
# AWS_BEDROCK_MODEL_ID=anthropic.claude-3-opus-20240229-v1:0
# AWS_BEDROCK_MODEL_ID=anthropic.claude-3-sonnet-20240229-v1:0
# AWS_BEDROCK_MODEL_ID=anthropic.claude-3-5-sonnet-20240229-v1:0
#
AWS_BEDROCK_IMAGE_GEN_MODEL_ID=stability.stable-diffusion-xl-v1
#
AWS_BEDROCK_CREDENTIALS_PROFILE=
# AWS_BEDROCK_CREDENTIALS_PROFILE=bedrock-admin
#
AWS_BEDROCK_GUARDRAIL_ID=
AWS_BEDROCK_GUARDRAIL_VERSION=
AWS_BEDROCK_GUARDRAIL_TRACE=1
#
AWS_BEDROCK_EMBEDDINGS_MODEL_ID=amazon.titan-embed-text-v1
AWS_BEDROCK_EMBEDDINGS_PROFILE=
# AWS_BEDROCK_EMBEDDINGS_PROFILE=bedrock-admin

AIMLAPI_API_KEY=aimlapi_api_key

# AIMLAPI_MODEL_NAME=o1-mini
# AIMLAPI_MODEL_NAME=o1-preview

# AIMLAPI_TEMPERATURE=1
# AIMLAPI_MAX_TOKENS=""
# AIMLAPI_TOP_P="1"

* Together.ai<br>
  [https://api.together.xyz/settings/api-keys](https://api.together.xyz/settings/api-keys)

```env
TOGETHER_API_KEY=together_api_key
# TOGETHER_MODEL_NAME="meta-llama/Meta-Llama-3.1-70B-Instruct-Turbo"

XAI_API_KEY=xai_api_key
# XAI_MODEL_NAME=grok-2

NVIDIA_API_KEY=nvidia_api_key
#
# NVIDIA_MODEL_NAME=nvidia/llama-3.1-nemotron-70b-instruct
#
# NVIDIA_TEMPERATURE=0.5
# NVIDIA_MAX_TOKENS=
# NVIDIA_TOP_P=1

RHYMES_CHAT_API_KEY=rhymes_chat_api_key
RHYMES_VIDEO_API_KEY=rhymes_video_api_key
#
# https://rhymes.ai/blog-details/aria-first-open-multimodal-native-moe-model
# RHYMES_CHAT_MODEL_NAME=aria
# RHYMES_CHAT_TEMPERATURE=0.5
# RHYMES_CHAT_MAX_TOKENS=
# RHYMES_CHAT_TOP_P=1
#
# https://rhymes.ai/blog-details/allegro-advanced-video-generation-model
# RHYMES_VIDEO_MODEL_NAME=allegro
# RHYMES_VIDEO_NUM_STEP=50
# RHYMES_VIDEO_CFG_SCALE=7.5

# IBM_WATSONX_MODEL_NAME="meta-llama/llama-3-1-70b-instruct"
# IBM_WATSONX_MODEL_NAME="ibm/granite-13b-chat-v2"
# IBM_WATSONX_MODEL_NAME="google/flan-t5-xxl"
#
IBM_WATSONX_PROJECT_ID=ibm_watsonx_project_id
IBM_WATSONX_API_KEY=ibm_watsonx_api_key

HUGGINGFACE_MAX_NEW_TOKENS=512
HUGGINGFACE_TOP_K=50
HUGGINGFACE_TEMPERATURE=1
HUGGINGFACE_REPETITION_PENALTY=03
#
# Para el tipo de modelo "huggingface_pipeline":
# dispositivo (int, str o torch.device):
#   Define el dispositivo (p. ej., `"cpu"`, `"cuda:1"`, `"mps"`, o un rango de GPU
#   como `1`) al que se asignará este pipeline.
# HUGGINGFACE_PIPELINE_DEVICE=0
# HUGGINGFACE_PIPELINE_DEVICE=cuda

# IMPORTANTE: sobre la librería "sentence-transformers". Ten en cuenta que
# cuando está incluida, el tamaño del paquete aumenta en ~5 Gb. y si la
# aplicación se ejecuta en una función AWS Lambda, supera el límite de tamaño
# de despliegue.

HUGGINGFACE_EMBEDDINGS_MODEL="BAAI/bge-base-en-v1.5"
# HUGGINGFACE_EMBEDDINGS_MODEL="sentence-transformers/all-mpnet-base-v2"

HUGGINGFACE_EMBEDDINGS_MODEL_KWARGS='{"device":"cpu"}'
HUGGINGFACE_EMBEDDINGS_ENCODE_KWARGS='{"normalize_embeddings": true}'

# Proveedor de inferencia de Hugging Face:
# Opciones disponibles: `auto`, `cerebras`, `groq`, `hyperbolic`, `nebius`, `together`, `hf-inference`, etc.
# Ver proveedores disponibles en: https://hf.co/settings/inference-providers
# "auto" es el proveedor predeterminado y utilizará el mejor proveedor disponible.
# HUGGINGFACE_PROVIDER=auto
# https://huggingface.co/models?inference_provider=groq
# HUGGINGFACE_PROVIDER=groq
# https://huggingface.co/models?inference_provider=cerebras
# HUGGINGFACE_PROVIDER=cerebras
# https://huggingface.co/models?inference_provider=hyperbolic
# HUGGINGFACE_PROVIDER=hyperbolic
# https://huggingface.co/models?inference_provider=nebius
# HUGGINGFACE_PROVIDER=nebius
# https://huggingface.co/models?inference_provider=together
# HUGGINGFACE_PROVIDER=together
# https://huggingface.co/models?inference_provider=hf-inference
# HUGGINGFACE_PROVIDER=hf-inference

# PAT (Personal API Token): https://clarifai.com/settings/security
CLARIFAI_PAT=
CLARIFAI_USER_ID=
CLARIFAI_APP_ID=

AI_CLARIFAI_DEFAULT_CHAT_MODEL=GPT-4
# AI_CLARIFAI_DEFAULT_CHAT_MODEL=claude-v2
# AI_CLARIFAI_DEFAULT_CHAT_MODEL=mixtral-8x7B-Instruct-v0_1
# AI_CLARIFAI_DEFAULT_CHAT_MODEL=llama2-70b-chat

AI_CLARIFAI_DEFAULT_TEXT_EMBEDDING_MODEL==text-embedding-ada
# AI_CLARIFAI_DEFAULT_TEXT_EMBEDDING_MODEL==BAAI-bge-base-en-v15

AI_CLARIFAI_DEFAULT_TEXT_TO_AUDIO_MODEL=speech-synthesis

AI_CLARIFAI_DEFAULT_AUDIO_TO_TEXT_MODEL=whisper
# AI_CLARIFAI_DEFAULT_AUDIO_TO_TEXT_MODEL=whisper-large-v2

AI_CLARIFAI_AUDIO_TO_TEXT_SDK_TYPE=python_sdk
# AI_CLARIFAI_AUDIO_TO_TEXT_SDK_TYPE=clarifai_grpc

AI_CLARIFAI_DEFAULT_IMG_GEN_MODEL=stable-diffusion-xl
# AI_CLARIFAI_DEFAULT_IMG_GEN_MODEL=dall-e-3

AI_CLARIFAI_DEFAULT_VISION_MODEL=openai-gpt-4-vision
# AI_CLARIFAI_DEFAULT_VISION_MODEL=food-item-recognition

ELEVENLABS_API_KEY=

# Sarah
ELEVENLABS_VOICE_ID_FEMALE=EXAVITQu4vr4xnSDxMaL
# Drew
ELEVENLABS_VOICE_ID_MALE=29vD33N1CtxCmqQRPOHJ

ELEVENLABS_MODEL_ID=eleven_multilingual_v2
ELEVENLABS_STABILITY=0.5
ELEVENLABS_SIMILARITY_BOOST=0.5
ELEVENLABS_STYLE=0
ELEVENLABS_USE_SPEAKER_BOOST=1

COHERE_API_KEY=

COHERE_EMBEDDINGS_MODEL=embed-english-light-v3.0
  • Parámetros de Ollama
OLLAMA_MODEL=llama:7b

OLLAMA_EMBEDDINGS_MODEL=llama:7b

MONGODB_VS_COLLECTION=
MONGODB_VS_INDEX_NAME=

# PINECONE_API_KEY=
# PINECONE_ENV=

VECTARA_CUSTOMER_ID=
VECTARA_CORPUS_ID=
VECTARA_API_KEY=

WEAVIATE_URL=
WEAVIATE_API_KEY=
  • Proveedor de WebSearch
# Proveedor del WebSearch: Proveedor
# * Predeterminado: primero DDG, si hay error, Google
# WEBSEARCH_DEFAULT_PROVIDER=''
# * Solo DuckDuckGo
# WEBSEARCH_DEFAULT_PROVIDER='ddg'
# * Solo Google
# WEBSEARCH_DEFAULT_PROVIDER='google'
  • Método DuckDuckGo (ddg) de WebSearch
# WebSearch tool: DuckDuckGo settings
# * Default: DDGS (Dux Distributed Global Search)
WEBSEARCH_DUCKDUCKGO_METHOD='ddg'
# * Envoltorio de DuckDuckGo de Langchain
# WEBSEARCH_DUCKDUCKGO_METHOD='ddg_lc'
  • Banderas de Depuración de IA
# AI_AUDIO_PROCESSING_DEBUG=1
# AI_CHATBOT_COMMONS_DEBUG=1
# AI_CHATBOT_DEBUG=1
# AI_CONVERSATIONS_DEBUG=1
# AI_EMBEDDINGS_DEBUG=1
# AI_GPT_FN_CONVERSATIONS_DEBUG=1
# AI_GPT_FUNCTIONS_DEBUG=1
# AI_IMAGE_GENERATOR_DEBUG=1
# AI_MODELS_DEBUG=1
# AI_TOOLS_DEBUG=1
# AI_SUB_BOTS_DEBUG=1
# AI_UTILITIES_DEBUG=1
# AI_VISION_DEBUG=1
# AI_AMAZON_BEDROCK_DEBUG=1
# AI_CLARIFAI_DEBUG=1
# AI_HUGGINGFACE_DEBUG=1
# AI_GIT_READER_DEBUG=1
# AI_IBM_DEBUG=1
# AI_JSON_READER_DEBUG=1
# AI_TRANSLATOR_DEBUG=1
# AI_VECTOR_INDEX_DEBUG=1
# AI_WEB_SCRAPPING_DEBUG=1
# AI_WEBSEARCH_DEBUG=1
# AI_YOUTUBE_READER_DEBUG=1
# GCP_DEBUG=1

Ejemplos de código y archivos de configuración JSON

El menú principal, los endpoints de la API y las configuraciones del editor CRUD se definen en los archivos de configuración JSON.

Puede encontrar ejemplos de configuraciones y cómo codificar una Aplicación en la guía Guía de creación y configuración de Aplicaciones de GenericSuite.

Uso

Consulte los scripts de desarrollo del backend de GenericSuite para más detalles.

Licencia

Este proyecto está licenciado bajo la ISC License; vea el archivo LICENSE para más detalles.

Créditos

Este proyecto es desarrollado y mantenido por Carlos J. Ramirez. Para más información o para contribuir al proyecto, visite GenericSuite AI en GitHub.

¡Feliz codificación!