Guidance
Programmierparadigma und Bibliothek zur Steuerung der LLM-Generierung mit verschachteltem Prompting, Kontrollfluss und eingeschränkter Ausgabe in einem Programm.
Überblick
Guidance lässt einen Entwickler ein einziges Programm schreiben, das Klartext-Prompts, Kontrollfluss (Schleifen, Bedingungen) und Einschränkungen darüber, was das Modell als Nächstes genau generieren darf – Regex-Muster, Auswahllisten oder strukturierte Formate – mischt, statt mehrere separate Aufrufe an eine LLM-API zu machen und Ergebnisse im Anwendungscode zusammenzufügen. Das kann die Generierung auch beschleunigen, indem Tokens übersprungen werden, die durch die Einschränkungen bereits feststehen.
Guidance eignet sich für Teams, die feingranulare, programmatische Kontrolle über den Generierungsprozess selbst wollen – eine vergleichbare Alternative zu Outlines (ebenfalls in diesem Katalog): Beide schränken LLM-Ausgaben ein, wobei Guidance einen verschachtelten Programm-und-Generierung-Autorenstil betont.
- Kategorien
- KI & Machine Learning
- Sprachen
- Python
- Lizenz
- MIT
Ähnliche Projekte
Outlines
Apache-2.0Bibliothek zum Einschränken von LLM-Ausgaben auf eine bestimmte Struktur – JSON-Schema, Regex, Grammatik – und garantiert gültige, parsbare Ergebnisse.
- KI & Machine Learning
Instructor
MITBibliothek, um zuverlässige, strukturierte Datenausgaben von LLMs mittels Function-Calling-APIs und Pydantic-Modellen zur Validierung zu erhalten.
- KI & Machine Learning
CAMEL
Apache-2.0Open-Source-Framework für Forschung und den Bau von Systemen mehrerer kommunizierender, rollenspielender KI-Agenten, die autonom zusammenarbeiten.
- KI & Machine Learning
CrewAI
MITMulti-Agent-Orchestrierungs-Framework zum Aufbau von Teams kollaborierender, rollenbasierter KI-Agenten, die autonom zusammenarbeiten, um komplexe Aufgaben zu erledigen.
- KI & Machine Learning
Einen Fehler entdeckt? Änderung auf GitHub vorschlagen.