Ava Mosaic AI

马赛克-AI

 __   __  _______  _______  _______  ___   _______ 
|  |_|  ||       ||       ||   _   ||   | |       |
|       ||   _   ||  _____||  |_|  ||   | |       |
|       ||  | |  || |_____ |       ||   | |       |
|       ||  |_|  ||_____  ||       ||   | |      _|
| ||_|| ||       | _____| ||   _   ||   | |     |_ 
|_|   |_||_______||_______||__| |__||___| |_______|

关于 Ava-Mosaic-AI

Mosaic 是一个轻量级 Python 库，它扩展了 Instructor 库针对基于 LLM 的任务的功能。 Mosaic 诞生于一个旨在简化 GenAI 开发中重复流程的个人项目，旨在减少 LLM/GenAI 项目中的开销并简化常见操作。

主要特点

• 扩展讲师库功能
• 简化基于 LLM 的常见任务
• 减少 GenAI 项目中的代码重复
• 轻量且易于集成

安装

pip install ava-mosaic-ai

快速入门

 import ava_mosaic_ai
from pydantic import BaseModel

# Initialize LLM
llm = ava_mosaic_ai . get_llm ( "openai" )

# Define response model
class ResponseModel ( BaseModel ):
    response : str

# Use Mosaic's simplified interface
response = llm . create_completion (
    response_model = ResponseModel ,
    messages = [{ "role" : "user" , "content" : "Tell me a joke about AI" }],
)
print ( response )

文档

如需完整文档，请访问我们的文档网站。

贡献

我们欢迎贡献！请参阅我们的贡献指南了解更多详细信息。

路线图

• 添加对更多 LLM 提供商的支持
• 实施先进的提示工程工具
• 开发用于快速原型设计的 CLI

特别感谢

• 衷心感谢 @daveebbelaar 的llm_factory实现，这启发了这个项目。在这里查看他的作品。
• 非常感谢 Instructor 库的创建者。他们的工作为 GenAI 项目开发节省了无数时间。

执照

Mosaic 是根据 MIT 许可证发布的。有关详细信息，请参阅许可证文件。

---

由 [karan Singh Kochar] 使用 ❤️ 构建