<img src="https://yellow-cdn.veclightyear.com/835a84d5/c6ddcb04-ffce-4f62-97ab-06699186abdf.png" height="300" alt="Jaiqu" /> 用于JSON查询的自然语言到DSL代理 <a href="https://pypi.org/project/jaiqu/" target="_blank"> <img alt="Python" src="https://img.shields.io/badge/python-3670A0?style=for-the-badge&logo=python&logoColor=ffdd54" /> <img alt="Version" src="https://img.shields.io/pypi/v/jaiqu?style=for-the-badge&color=3670A0"> </a> <a href="https://jaiqu-agent.streamlit.app/">🔗 主站</a>   •   <a href="https://twitter.com/agentopsai/">🐦 Twitter</a>   •   <a href="https://discord.gg/JHPt4C7r">📢 Discord</a>   •   <a href="https://agentops.ai/?jaiqu">🖇️ AgentOps</a>

Jaiqu

PyPI - Version

可复现的、由AI生成的JSON转换查询。自动将任何JSON转换为任何架构。

Jaiqu是一个AI代理，用于使用jq查询语言语法创建可重复的JSON转换。Jaiqu可以将任意JSON输入转换为所需的架构。

正在构建AI代理？查看AgentOps

在线演示

视频概览

Alt text

特性

将任何架构转换为任何架构 AI代理通过迭代提示GPT-4创建有效的jq查询语法，自动将数据从源架构映射到所需格式。
架构验证 给定要求架构，自动验证输入json中是否存在所需的数据。
模糊术语匹配 根据语义相似性推断键（例如datetime与date_time）。GPT-4自动映射并将输入键转换为所需的输出键。

使用示例：

from jaiqu import validate_schema, translate_schema

# 所需的数据格式 
schema = {
    "$schema": "http://json-schema.org/draft-07/schema#",
    "type": "object",
    "properties": {
        "id": {
            "type": ["string", "null"],
            "description": "记录的唯一标识符。"
        },
        "date": {
            "type": "string",
            "description": "描述日期的字符串。"
        },
        "model": {
            "type": "string",
            "description": "表示所使用模型的文本字段。"
        }
    },
    "required": [
        "id",
        "date"
    ]
}

# 提供的数据
input_json = {
    "call.id": "123",
    "datetime": "2022-01-01",
    "timestamp": 1640995200,
    "Address": "123 Main St",
    "user": {
        "name": "John Doe",
        "age": 30,
        "contact": "john@email.com"
    }
}

# （可选）创建提示，以便代理知道在输入中要寻找什么
key_hints="我们正在处理包含id、日期和模型的输出。所有必需的字段都应该存在于这个输入中，但名称可能不同。"

验证输入json是否包含架构中要求的所有信息

schema_properties, valid = validate_schema(input_json, schema, key_hints)

print(schema_properties)

>>> {
      "id": {
          "identified": true,
          "key": "call.id",
          "message": "123",
          "type": [
          "string",
          "null"
          ],
          "description": "记录的唯一标识符。",
          "required": true
      },
      "date": {
          "identified": true,
          "key": "datetime",
          "message": "2022-01-01",
          "type": "string",
          "description": "描述日期的字符串。"
          "required": true
      }
    }
print(valid)
>>> True

为从格式相同的输入JSON中提取数据创建可重复的jq查询

jq_query = jaiqu.translate_schema(input_json, schema, key_hints, max_retries=30)
>>>'{"id": .attributes["call.id"], "date": .datetime}'

安装

推荐：PyPI：

pip install jaiqu

架构

解析Jaiqu代理工作流程模式

flowchart TD
    A[开始translate_schema] --> B{验证输入架构}
    B -- 有效 --> C[为每个键创建jq过滤器查询]
    B -- 无效 --> D[抛出RuntimeError]
    C --> E[编译并测试jq过滤器]
    E -- 成功 --> F[验证JSON]
    E -- 失败 --> G[重试创建jq过滤器]
    G -- 成功 --> E
    G -- 失败n次 --> H[抛出RuntimeError]
    F -- 成功 --> I[返回jq查询字符串]
    F -- 失败 --> J[重试验证JSON]
    J -- 成功 --> I
    J -- 失败n次 --> K[抛出RuntimeError]