mf-ardon — Официальная Python-библиотека (v4.0)

Универсальная клиентская библиотека для подключения к облачному ядру MF Ardon в 3 строки кода:

1. Долгосрочная память для ИИ (ardon.Memory) — обучение пустой модели на ваших .txt файлах и конспектах за секунды без забывания прошлых тем (порт 8001).
2. Оптимизация цен и товарных матриц 1С (ardon.Commerce) — расчёт оптимальных цен и разморозка оборотного капитала со склада (порт 8000).
3. Оптимизатор для PyTorch (ardon.ArdonTorchOptimizer) — подключение к собственной нейросети вместо стандартного оптимизатора.

1. Установка одной командой

pip install mf-ardon

(Или напрямую из папки с библиотекой: pip install .)

Чтобы в любой момент вывести встроенную шпаргалку прямо в терминале, выполните:

ardon-help

или внутри Python:

import mf_ardon as ardon
ardon.tutorial()

2. Как получить или продлить API-ключ

Все вычисления выполняются на защищённом сервере MF Ardon. Для работы библиотеки требуется активный персональный ключ (api_key).

Если вы запустите код без ключа или ваш тестовый ключ истёк (умер), библиотека автоматически остановит выполнение и покажет уведомление с инструкцией:

• Контакт для выдачи и продления ключей (WhatsApp / Telegram / Телефон): +996 506 310 444 (Тимур Турсунов)
• Официальный репозиторий: https://github.com/discordworck-cmd/Ardon-LLm

Вы можете передать ключ напрямую в код (api_key="ВАШ_КЛЮЧ") или один раз задать переменную окружения в системе:

export ARDON_API_KEY="ВАШ_КЛЮЧ"

3. Как пользоваться библиотекой (3 простых сценария)

Сценарий А. Обучить ИИ на своих .txt файлах и задать вопрос (3 строки)

Положите ваши текстовые файлы или конспекты в папку my_data и запустите:

import mf_ardon as ardon

ai = ardon.Memory(api_key="ВАШ_КЛЮЧ")
ai.fit("my_data", epochs=8)  # обучает модель на всех .txt файлах в папке

res = ai.ask("как работает трансформер?")
print("Ответ ИИ:", res["answer"])
print("Связанные понятия:", res["related_concepts"])

Если нужно дообучить модель новому факту прямо на лету (без переобучения всей базы и без потери старых знаний):

ai.teach("Квантовая механика описывает энергетические уровни электрона.")

Сценарий Б. Рассчитать оптимальные цены и очистить склад для 1С (3 строки)

Названия товаров остаются только на вашем компьютере — на сервер отправляются только обезличенные идентификаторы и числа:

import mf_ardon as ardon

shop = ardon.Commerce(api_key="ВАШ_КЛЮЧ")
report = shop.optimize("1c_client_data.csv")

print("Прирост чистой прибыли (руб/мес):", report["total_monthly_profit_gain"])
print("Разморозка денег со склада (руб):", report["total_freed_capital"])

for item in report["items"]:
    print(item["sku"], item["name"], "->", item["verdict"], "Новая цена:", item["new_price"])

Сценарий В. Подключить внутри своей модели PyTorch

import mf_ardon as ardon

optimizer = ardon.ArdonTorchOptimizer(
    model.parameters(),
    api_key="ВАШ_КЛЮЧ",
    embedding_layer=model.get_input_embeddings(),
    lm_head_layer=model.lm_head,
    lr=0.15,
)

# 1. Пассивное чтение батча токенов
optimizer.observe(input_ids)

# 2. Шаг обучения через сервер ядра
loss = optimizer.step_remote(h_ctx_tensor, context_ids=[1, 4], target_id=12)