Guidance
Paradigma de programación y biblioteca para controlar la generación de LLM entrelazando prompting, flujo de control y salida restringida en un solo programa.
Descripción general
Guidance permite a un desarrollador escribir un único programa que mezcla prompts de texto plano, flujo de control (bucles, condicionales) y restricciones sobre exactamente qué puede generar el modelo a continuación —patrones regex, listas de opciones o formatos estructurados—, en lugar de hacer varias llamadas separadas a una API de LLM y unir los resultados en el código de la aplicación. Esto también puede acelerar la generación al saltarse tokens que las restricciones ya determinan.
Guidance encaja en equipos que quieren un control granular y programático sobre el propio proceso de generación, una alternativa comparable a Outlines (también en este catálogo): ambos restringen la salida del LLM, con Guidance enfatizando un estilo de autoría que entrelaza programa y generación.
- Categorías
- IA y Machine Learning
- Palabras clave
- structured-outputllm-generationprompt-engineering
- Lenguajes
- Python
- Licencia
- MIT
Proyectos relacionados
Outlines
Apache-2.0Biblioteca para restringir la salida de un LLM a una estructura específica —esquema JSON, regex, gramática—, garantizando resultados válidos y analizables.
- IA y Machine Learning
Instructor
MITBiblioteca para obtener salidas de datos estructurados y fiables de LLMs usando APIs de function calling y modelos Pydantic para la validación.
- IA y Machine Learning
CAMEL
Apache-2.0Framework de código abierto para investigar y construir sistemas de múltiples agentes de IA que se comunican, interpretan roles y colaboran de forma autónoma.
- IA y Machine Learning
CrewAI
MITFramework de orquestación multiagente para construir equipos de agentes de IA colaborativos y basados en roles que trabajan juntos de forma autónoma para completar tareas complejas.
- IA y Machine Learning
¿Encontraste un error? Sugiere una edición en GitHub.