toucans

Nenhuma engenharia imediata de besteira usando o Jinja2 para obter modelos dinâmicos de prompt e litellm para usar perfeitamente uma ampla gama de fornecedores de LLM.

Começando

Instalação

 pip install toucans

Uso

Inicialize uma Função de Prompt:

 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 }}" },
    ],
)

Gerar conclusão

Gere uma conclusão chamando a função de prompt com uma frase:

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

O lote gera conclusões em 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 )

Serialização local de função rápida

Salvar/carregar a Função de Prompt para um diretório:

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

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

O hub toucans

Empurre/puxe a função rápida do hub toucans:

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

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

Por enquanto, o carregamento do hub toucans requer hospedagem em uma instância e defina a variável de ambiente hub_api_url.