ჩვენ გვსურს, კიდევ უფრო გავამახვილოთ ყურადღება იმ გამოყენების შემთხვევებზე, რომლებიც ყველაზე დიდ სარგებელს მოუტანს საზოგადოებას და ჩავყაროთ საფუძველი მომავალს. სპოილერის გაფრთხილება: ამ გამოშვების შემდეგ, დიდ ყურადღებას დავუთმობთ MLX-სა და აგენტურ გამოყენების შემთხვევებს 🚀 `swift-transformers` არის Swift ბიბლიოთეკა, რომელიც მიზნად ისახავს შეამციროს სირთულეები დეველოპერებისთვის, რომელთაც სურთ იმუშაონ ლოკალურ მოდელებთან Apple Silicon პლატფორმებზე, iPhone-ების ჩათვლით. ის მოიცავს იმ კომპონენტებს, რომლებიც არ არის მოწოდებული მხოლოდ Core ML-ის ან MLX-ის მიერ, მაგრამ აუცილებელია ლოკალურ ინფერენციასთან მუშაობისთვის. კერძოდ, ის უზრუნველყოფს შემდეგ კომპონენტებს: უმეტესად მომხმარებლები იყენებენ Tokenizers ან Hub მოდულებს, და ხშირად ორივეს. `swift-transformers`-ზე დაფუძნებული ზოგიერთი გამორჩეული პროექტი მოიცავს: ვერსია 1.0 მიანიშნებს პაკეტის სტაბილურობაზე. დეველოპერები ქმნიან აპლიკაციებს `swift-transformers`-ზე და ეს პირველი ძირითადი გამოშვება აღიარებს ამ გამოყენების შემთხვევებს და ვერსიის ნომერს ამ რეალობასთან შესაბამისობაში მოჰყავს. ის ასევე ქმნის საფუძველს, რომელზეც საზოგადოებასთან ერთად მოხდება მომავალი ფუნქციების შემუშავება. ეს არის ჩვენი რამდენიმე სასურველი განახლება: ვერსია 1.0 მოიცავს API-ის "breaking" ცვლილებებს. თუმცა, ჩვენ არ ველით დიდ პრობლემებს, თუ Tokenizers ან Hub-ის მომხმარებელი ხართ. თუ ბიბლიოთეკის Core ML კომპონენტებს იყენებთ, გთხოვთ დაგვიკავშირდეთ, რათა დაგეხმაროთ გადასვლის პერიოდში. ჩვენ მოვამზადებთ მიგრაციის სახელმძღვანელოს და დავამატებთ დოკუმენტაციას. აი, როგორ გამოვიყენოთ Tokenizers LLM-ისთვის ინსტრუმენტის გამოძახების შეყვანის ფორმატირებისთვის: დამატებითი მაგალითებისთვის, გთხოვთ, შეამოწმოთ ეს განყოფილება README-ში და Examples საქაღალდეში. გულწრფელად რომ ვთქვათ, არ ვიცით. ის კი ვიცით, რომ ძალიან გვაინტერესებს MLX-ის შესწავლა, რადგან ეს, როგორც წესი, მიმდინარე საწყისი მიდგომაა დეველოპერებისთვის, რომლებიც ML-ს მშობლიურ აპლიკაციებში იწყებენ, და გვსურს, რომ გამოცდილება მაქსიმალურად შეუფერხებელი გავხადოთ. ჩვენ ვფიქრობთ LLM-ებისა და VLM-ებისთვის mlx-swift-examples-თან უკეთესი ინტეგრაციის მიმართულებით, პოტენციურად წინასწარი და შემდგომი დამუშავების ოპერაციების მეშვეობით, რომლებსაც დეველოპერები ხშირად აწყდებიან. ჩვენ ასევე უკიდურესად აღფრთოვანებულები ვართ აგენტური გამოყენებით ზოგადად და MCP-ით კონკრეტულად. ვფიქრობთ, რომ სისტემური რესურსების ლოკალურ სამუშაო ნაკადებზე მიწოდება იქნება 🚀 თუ გსურთ ამ მოგზაურობაში ჩვენთან ერთად იყოთ ან თქვენი იდეები გაგვიზიაროთ, გთხოვთ დაგვიკავშირდეთ ჩვენი სოციალური ქსელების ან რეპოზიტორიუმის მეშვეობით. უზომოდ მადლობელი ვართ ბიბლიოთეკის ყველა კონტრიბუტორისა და მომხმარებლისთვის გაწეული დახმარებისა და უკუკავშირისთვის. ჩვენ გვიყვარხართ ყველა და მოუთმენლად ველით თქვენთან ერთად მუშაობის გაგრძელებას, რათა ჩამოვაყალიბოთ მოწყობილობაზე გენერაციის მომავალი! ❤️ დიდი მადლობა Hugging Face-ის გუნდს აღიარებისთვის და Swift ეკოსისტემის წინსვლისთვის. პატივი იყო Swift Jinja-ს შეტანა საზოგადოებაში და მოუთმენლად ველი მომავლის ერთად მშენებლობას!♥️♥️♥️