[Example] flow: quant-wiki flow impl (knowledge graph)
@USTCKevinF ci sta già lavorando.
Dal 1/9/2025.
Valutazione
Questa issue non è ancora stata valutata.
Descrizione
✨ Feature Summary
The task involves optimizing the workflow for building, enhancing, and summarizing Quant-Wiki content, leveraging QuantMind. A key aspect of this could be generating a Knowledge Graph based on the Quant-Wiki data. Ultimately, we'll aim to provide the corresponding flow implementation within the examples directory.
@USTCKevinF , would you be able to refine the description for this issue? Please feel free to remove any parts that aren't essential or could be improved.
🎯 Motivation
📋 Detailed Description
🔧 Proposed Implementation
API Design
# If applicable, show how you envision the API would look
Configuration
# If applicable, show any new configuration options
🎨 User Experience
📊 Use Cases
- Use Case 1:
- Use Case 2:
- Use Case 3:
🔗 Related Issues
- Relates to #
- Blocks #
- Depends on #
Implementation Considerations
Breaking Changes
- This feature would introduce breaking changes
- This feature is backward compatible
Dependencies
- Requires new dependencies
- Uses existing dependencies only
Checklist
- I have searched existing issues to avoid duplicates
- I have provided a clear and detailed description
- I have explained the motivation and use cases
- I have considered the implementation approach
- I have thought about potential breaking changes
- Lingua principale
- Python
- Stelle
- 3.1k
- Fork
- 492
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di LLMQuant/quant-mind
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
LLMQuant/quant-mind#155 · 2 commenti ·
-
design(flows): structure tree drafted from truncated page text (1200 chars), diverging from PageIndex full-page constructionForse di nuovo libera @keli-wen l’ha presa 79 giorni fa e non c’è nessuna pull request aperta. Apertaarea: flows area: preprocess type: design
LLMQuant/quant-mind#133 · 1 commento · 1 assegnatario ·
-
feat(flows): surface token-usage and cost for runs and batch_runForse già presa @dhruvraajeev l’ha presa 80 giorni fa. Apertaarea: configs area: flows area: mind type: feature
Difficoltà 5/5 Più di una settimana Idoneità per principianti 45/100
LLMQuant/quant-mind#127 · 1 commento ·
-
design(config): define ownership of typed operation inputsForse di nuovo libera @keli-wen l’ha presa 83 giorni fa e non c’è nessuna pull request aperta. Apertaarea: flows type: feature
LLMQuant/quant-mind#121 · 1 assegnatario ·
-
bug: exchange-qualified multi-symbol lists are only partially capturedForse già presa @pengpengyi92 l’ha presa 81 giorni fa. Apertaarea: preprocess stale type: bug
Difficoltà 5/5 Più di una settimana Idoneità per principianti 38/100
LLMQuant/quant-mind#108 · 2 commenti ·
Tutte le issue di LLMQuant/quant-mind
Issue simili
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
awslabs/visual-asset-management-system#414 ·
I maintainer di solito rispondono entro 1 giorno
-
bug v1 v2
Difficoltà 2/5 1-3 ore Idoneità per principianti 75/100
modelcontextprotocol/python-sdk#3670 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
aicell-lab/bioengine#232 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
modelscope/evalscope#1836 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100