Guidance
Programmierparadigma und Bibliothek zur Steuerung der LLM-Generierung mit verschachteltem Prompting, Kontrollfluss und eingeschränkter Ausgabe in einem Programm.
- Gut dokumentiert
- Permissive Lizenz
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.
Warum es in diesem Katalog steht
Katalog-Bewertung: ★★☆☆☆ (2/5)
Structured-output generation library, meaningful overlap with Outlines/Instructor in the same category.
- Aufstrebend
- Herstellergestützt
- Kategorien
- KI & Machine Learning
- Sprachen
- Python
- Lizenz
- MIT
Mit einem anderen Projekt vergleichen
Ähnliche Projekte
Outlines
Apache-2.0Bibliothek zum Einschränken von LLM-Ausgaben auf eine bestimmte Struktur – JSON-Schema, Regex, Grammatik – und garantiert gültige, parsbare Ergebnisse.
Aktiv gepflegt
- KI & Machine Learning
Instructor
MITBibliothek, um zuverlässige, strukturierte Datenausgaben von LLMs mittels Function-Calling-APIs und Pydantic-Modellen zur Validierung zu erhalten.
Aktiv gepflegt
- KI & Machine Learning
Milvus
Apache-2.0Quelloffene Vektordatenbank für skalierbare Ähnlichkeitssuche und KI-Anwendungen.
Aktiv gepflegt
- KI & Machine Learning
- Datenbank
MLflow
Apache-2.0Quelloffene Plattform zur Verwaltung des Machine-Learning-Lebenszyklus: Experiment-Tracking, Modellverpackung, Versionierung und Deployment.
Aktiv gepflegt
- KI & Machine Learning
Einen Fehler entdeckt? Änderung auf GitHub vorschlagen.