funcchain入门指南 - 构建pythonic认知系统的最佳方式

funcchain

funcchain简介

funcchain是一个用于构建认知系统的Python库,它以最pythonic的方式将大型语言模型(LLM)无缝集成到你的应用中。它利用pydantic模型作为输出模式,结合langchain作为后端,可以轻松地将LLM集成到你的应用中。funcchain使用OpenAI Functions或LlamaCpp语法(json-schema模式)来实现高效的结构化输出。

funcchain logo

主要特性

🐍 pythonic风格
🔀 轻松切换OpenAI或本地模型
🔄 动态输出类型(pydantic模型或基本类型)
👁️ 支持视觉LLM
🧠 使用langchain_core作为后端
📝 使用Jinja2进行提示词模板
🏗️ 可靠的结构化输出
🔁 自动重试解析
🔧 支持LangSmith
🔄 支持同步、异步、流式、并行、回退等多种方式
📦 从Hugging Face自动下载GGUF模型
✅ 所有函数都有类型提示,支持mypy
🗣️ 聊天路由器组件
🧩 可与LangChain LCEL组合使用
🛠️ 简单的错误处理
🚦 支持枚举和字面量
📐 自定义解析类型

安装

使用pip安装funcchain:

pip install funcchain

快速入门

以下是一个简单的示例,展示了如何使用funcchain生成结构化输出:

from funcchain import chain
from pydantic import BaseModel

class Recipe(BaseModel):
    ingredients: list[str]
    instructions: list[str]
    duration: int

def generate_recipe(topic: str) -> Recipe:
    """
    Generate a recipe for a given topic.
    """
    return chain()

recipe = generate_recipe("christmas dinner")
print(recipe.ingredients)