Instructor
検証のための function calling API と Pydantic モデルを使って、LLM から信頼できる構造化データ出力を得るためのライブラリです。
概要
Instructor は、LLM のネイティブな function calling やツール利用機能をラップし、開発者が Pydantic モデルに一致するレスポンスをリクエストできるようにし、モデルの出力がそのスキーマに対して検証に失敗した場合はリクエストを自動的にリトライします。これにより、信頼性の低い自由形式のテキスト出力を、信頼できる構造化データへと変えます。OpenAI、Anthropic をはじめとする多数のモデルプロバイダーを、一貫したインターフェースを通じてサポートします。
Instructor は、LLM から構造化データを抽出する必要があるチームに向いており、function calling API とリトライロジックを通じてそれを実現しています。(カタログにもある) Outlines とは異なる技術的アプローチで、Outlines はトークンレベルでの制約付き生成を行います。
- カテゴリ
- AI・機械学習
- 言語
- Python
- ライセンス
- MIT
関連プロジェクト
Docling
MITPDF、Word ドキュメントなどのフォーマットを、LLM や RAG パイプライン向けにきれいで構造化されたデータへ変換する、ドキュメント解析ライブラリです。
- AI・機械学習
Guidance
MIT1つのプログラムの中で、プロンプト、制御フロー、制約付き出力を織り交ぜて LLM の生成を制御するための、プログラミングパラダイム兼ライブラリです。
- AI・機械学習
Haystack
Apache-2.0LLM を使った本番運用向けの検索・RAG(検索拡張生成)アプリケーションを構築するための、オープンソースフレームワークです。
- AI・機械学習
LlamaIndex
MIT検索拡張アプリケーションのために、大規模言語モデルを自分自身のデータ——ドキュメント、データベース、API——に接続するためのデータフレームワークです。
- AI・機械学習
誤りを見つけましたか? GitHub で修正を提案する