将您的数据模型转换为AI工作流 - 只有XTRA线的代码！

小伙伴们有没有觉得学习文章很有意思？有意思就对了！今天就给大家带来《将您的数据模型转换为AI工作流 - 只有XTRA线的代码！》，以下内容将会涉及到，若是在学习中对其中部分知识点有疑问，或许看了本文就能帮到你！

将您的数据模型转换为AI工作流 - 只需几行XTRA代码！

优秀程序员关注数据结构及其关系。

简介

想象一下，创建复杂AI工作流就像使用Pydantic定义数据结构一样简单。 如果您可以通过让Pydantic模型像水一样在AI系统中流动来利用AI的力量呢？ Modellm库通过将Pydantic模型转换为强大的AI管道组件，让这一切成为现实。

示例：设置

您需要提供自己的OpenAI API密钥（如果您还没有）：

export openai_api_key="sk-..."

安装Modellm库：

pip install modellm

所有必要的依赖项都会自动安装。

使用Modellm库：代码

让我们来看一个完整的代码示例：

from typing import List
from pathlib import Path

from pydantic import BaseModel
from langchain_openai import ChatOpenAI

from modellm import add_llm

# 初始化我们将用于生成内容的LLM（大型语言模型）
llm = ChatOpenAI(model="gpt-4o-mini")

# @add_llm 装饰器将模型连接到我们的LLM实例
# 这使得模型字段的自动内容生成成为可能
@add_llm(llm)
class Story(BaseModel):
    title: str
    content: str
    genre: str

# 请注意，文档字符串将被LLM用于理解如何调整内容
# 这是一个强大的功能，使代码易于理解（对于人和LLM）

@add_llm(llm)
class StoryForBabies(Story):
    """
    专门为婴儿设计的童话故事。

    适合0-2岁的婴儿和幼儿。
    特点：
    - 简单、重复的语言
    - 基本概念
    - 短句
    - 富含感官的描述
    """
    pass  # 该类继承Story的所有字段

@add_llm(llm)
class StoryForTeenagers(Story):
    """
    专门为青少年读者设计的童话故事。

    适合13-19岁的青少年。
    特点：
    - 复杂的人物发展
    - 引人入胜的情节，具有相关的冲突
    - 当代主题和社会问题
    - 年龄合适的感情深度
    - 对身份和个人成长的探索
    - 现代对话和现实的关系
    """
    pass  # 与StoryForBabies相同

@add_llm(llm)
class HtmlModel(BaseModel):
    """
    具有精美CSS样式的HTML表示。
    """
    html: str

def main():
    story_idea = "一个关于农民奋斗和毅力的故事"
    html_filepath = Path("story.html")

    # 就这么简单，只有一行代码
    html_story = story_idea | Story | StoryForBabies | HtmlModel

    # 青少年观众的替代管道
    # | 运算符使管道中的组件易于交换
    # html_story = story_idea | Story | StoryForTeenagers | HtmlModel

    html_filepath.write_text(html_story.html)
    print(f"故事已保存为HTML格式到：{html_filepath.resolve()}")


if __name__ == "__main__":
    main()

练习

巩固您的知识：

1. 在您的计算机上运行现有代码。
2. 为青少年生成一个故事（取消代码中的一行注释）。
3. 创建一个故事杂志的Pydantic模型，该模型应该总结故事。
4. 创建您自己的Pydantic模型并将其注入管道。

结论

在这个示例中，我们成功地利用了AI的力量，只用了几行额外的代码——感谢Modellm库！

关键优势：

1. 声明式能力: 定义您想要什么，而不是如何获得它（LLM足够聪明，可以理解提示）。
2. 综合管道: 使用 | 链式操作符（使我们的代码易于修改和扩展）。
3. 自我记录: 文档字符串指导AI的行为。
4. 灵活: 易于交换组件。
5. 简洁的接口: 复杂的AI操作隐藏在简单的数据模型之后。

通过定义我们的Pydantic数据模型（并用装饰器装饰它们），我们能够使用一行代码执行我们的AI管道：

html_story = story_idea | Story | StoryForBabies | HtmlModel

您如何看待这种方法？我很想听听您的想法和建议。

好了，本文到此结束，带大家了解了《将您的数据模型转换为AI工作流 - 只有XTRA线的代码！》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！