Viso Suite vs mshumer/gpt-prompt-engineer - GitHub

Viso Suite é uma plataforma de inteligência visual empresarial da viso.ai para construir, implantar e operar aplicações de visão computacional em câmeras, sites e indústrias. Ela conecta feeds de câmeras existentes, dispositivos de borda, modelos de IA e sistemas de negócios para que as equipes de operações possam transformar vídeos em alertas em tempo real, dashboards e fluxos de trabalho automatizados, sem precisar integrar diversas ferramentas pontuais.

A plataforma é construída em volta do General Intelligence Visual (VGI), a abordagem da viso.ai para compreensão de cenas que permite às equipes descreverem o que desejam que uma câmera detecte e desenvolverem aplicações de visão governadas através de um estúdio visual sem código. O Viso Suite cobre todo o ciclo de vida: coleta de dados e treinamento de modelos, desenvolvimento de aplicações, implantação em múltiplos sites e operações contínuas com monitoramento, segurança e controles de conformidade.

O Viso Suite é direcionado a organizações complexas que operam atividades físicas na manufatura, construção, transporte, varejo, agricultura, saúde e ambientes de cidades inteligentes. Os clientes o utilizam para monitoramento de segurança, inspeção de qualidade, conformidade com EPIs, alertas de zonas restritas, análise de multidões e outros casos de uso de visão críticos que precisam escalar por milhares de câmeras e centenas de sites.

mshumer/gpt-prompt-engineer é um kit de ferramentas de engenharia de prompts de código aberto que gera, testa e classifica prompts candidatos para uma tarefa que você define. Você descreve o caso de uso, fornece casos de teste e os cadernos criam várias variantes de prompts, executam-nos em todos os casos de teste e classificam os resultados com um sistema de classificação ELO começando em 1200. Ele é distribuído como cadernos Jupyter que você pode executar no Google Colab ou localmente.

A maioria das ferramentas de prompts ajuda você a escrever um prompt de cada vez. O gpt-prompt-engineer trata a seleção de prompts como um torneio: dezenas de candidatos competem em seus casos de teste, e as pontuações ELO mais altas revelam os vencedores. Cadernos separados cobrem tarefas de classificação, o Claude 3 Opus com casos de teste gerados automaticamente e a conversão de Opus para Haiku para inferência mais barata. Opcionalmente, o Weights & Biases e o Portkey registram cada execução.

Engenheiros de ML, engenheiros de prompts e desenvolvedores de IA o utilizam quando precisam de ajuste de prompts reprodutível em vez de tentativa e erro manual. O repositório tem 9,7 mil estrelas no GitHub e funciona com suas próprias chaves de API da OpenAI ou Anthropic. É gratuito sob a licença MIT.