用自然语言构建AI模型？plexe让你的想法秒变现实 ✨

让机器学习告别代码苦役——用自然语言描述需求，AI自动构建完整模型 | 立即体验云端版

🌟 为什么选择plexe？

你是否遇到过这些痛点？

• ❌ 想实现AI创意却被代码门槛劝退
• ❌ 模型调试耗费数周却收效甚微
• ❌ 不同框架的API差异让人头大

plexe的解决方案：
只需用日常语言描述你的需求，AI特工队会自动完成：

"我要预测新闻情感 → 分析数据 → 选择算法 → 训练模型 → 打包部署"

整个过程就像雇佣了一支AI工程师团队！

🚀 5分钟快速上手

安装就像喝水一样简单

pip install plexe  # 标准安装（推荐大多数用户）
pip install plexe[lightweight]  # 轻量版（仅核心功能）

两种使用姿势任选

姿势A：对话式开发（推荐新手）

在终端输入：

plexe

启动交互界面后，试着这样说：

"帮我建个预测房价的模型，数据是excel里的房屋信息表"

➡️ AI会引导你完成数据上传、参数设置、结果解读全流程

姿势B：代码式开发（适合开发者）

import plexe

# 用自然语言定义任务
房价预测器 = plexe.Model(
    intent="根据房屋特征预测北京房价",
    input_schema={"面积": int, "卧室数": int, "地段": str},
    output_schema={"预估价格": float}
)

# 一键构建模型
房价预测器.build(
    datasets=[你的数据表],
    provider="openai/gpt-4o-mini",  # 支持主流AI引擎
    max_iterations=10  # 让AI尝试10种方案找最优解
)

# 马上使用
报价 = 房价预测器.predict({
    "面积": 89,
    "卧室数": 2,
    "地段": "朝阳区望京"
})
print(f"这套房预计价值：{报价['预估价格']}万元")  # 输出示例：358.7万元

🔥 核心功能亮剑

1. 会说人话的AI建模师

• 场景示例：
  想预测用户流失？直接告诉plexe：

  plexe.Model(intent="根据用户行为预测流失风险")
  

  ➡️ 自动推断输入输出格式 ➡️ 生成测试数据 ➡️ 推荐最优算法

2. 智能特工战队

背后的AI团队分工明确：

3. 跨平台自由切换

支持主流AI引擎，随时切换不锁死：

model.build(provider="anthropic/claude-3-opus")  # 切换到Claude引擎

4. 数据魔法工具箱

• 自动补全缺失数据（适合小样本场景）
• 智能Schema推断（忘记定义字段？AI帮你补全）

# 自动生成500条测试数据
模拟数据 = plexe.DatasetGenerator({"症状描述": str, "确诊疾病": str})
模拟数据.generate(500)

🛠️ 进阶玩法指南

云原生部署

用Docker快速搭建企业级AI平台：

docker-compose up -d  # 启动后获得：

• 📊 可视化控制台（localhost:8501）
• 🔌 REST API接口（localhost:8000）
• 📈 自动监控仪表盘

避坑小贴士

1. 内存优化：遇到大数据集时添加optimize_memory=True参数
2. 效果提升：适当增加max_iterations让AI尝试更多方案
3. 安全防护：通过model.add_constraint("不得包含种族特征")添加伦理约束

📊 实战效果说话

我们在20个标准数据集上的测试结果：

数据来源：plexe-results开源测试仓库

🤝 加入开发者生态

• 贡献代码：参见CONTRIBUTING.md
• 问题反馈：GitHub Issues
• 交流社区：Discord技术群

温馨提示：首次使用记得设置API密钥哦！

export OPENAI_API_KEY='你的密钥'

[Apache开源协议]