toucans

No hay ingeniería rápida de mierda usando Jinja2 para una plantilla de inmediato dinámica y litellm para usar sin problemas una amplia gama de proveedores de LLM.

Empezando

Instalación

 pip install toucans

Uso

Inicializar una función previa:

 from toucans import PromptFunction

sentiment = PromptFunction (
    model = "gpt-4" ,
    temperature = 0.7 ,
    messages = [
        { "role" : "system" , "content" : "You are a helpful mood-sensitive agent." },
        { "role" : "user" , "content" : "Determine the sentiment of the sentence: {{ sentence }}" },
    ],
)

Generar finalización

Genere una finalización llamando a la función previa con una oración:

 completion = sentiment ( sentence = "I'm so happy!" )

Lotes generar finalizaciones en paralelo

 batch_args = [
    { "sentence" : "Toucans is nice Python package!" }, 
    { "sentence" : "I hate bloated prompt engineering frameworks!" }
]

completion_batch = sentiment . batch_call ( batch_args = batch_args )

Serialización de la función de pruración local

Guardar/Cargar la función prevista a un directorio:

 # Push to dir (not implemented yet)
sentiment . push_to_dir ( "./sentiment/" )

# Load from dir (not implemented yet)
sentiment = PromptFunction . from_dir ( "./sentiment/" )

El centro de Tucans

Push/tire de la función de anticipación desde el centro de Tucans:

 # Push to hub
sentiment . push_to_hub ( "juunge/sentiment" )

# Load from hub
sentiment = PromptFunction . from_hub ( "juunge/sentiment" )

Por ahora, cargar desde el centro de Tucans requiere alojar una instancia usted mismo y establecer la variable de entorno HUB_API_URL.