#26 · 主分类： LLM应用框架
instructor
面向LLM的结构化输出
项目最后更新：08/29/26
GitHub Stars
13.8K
Forks数量
1.2K
贡献者数量
267
许可证
MIT
收录理由
把模型自由生成的文本变成带类型、通过校验的数据，本来要花不少工程时间，instructor 把这一步省掉了。你只需要用 Pydantic 定义一个目标结构，比如用户记录、某个提取字段、一份解析后的文档，它就能返回已经通过校验的对象，重试和错误处理也都内置好了。它直接挂在熟悉的 OpenAI 风格客户端上，还能适配多种 provider，所以放进现有代码库很自然，不用为了用它去换一套运行时。做数据抽取、表单处理，或者任何下游逻辑需要可靠类型输入而不是原始文本的管线，用它更像是一件趁手的工具，而不是一个研究项目。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
langchain
智能体工程平台。
dify
在一个协作工作区中构建Agentic工作流、RAG管道，支持丰富的AI模型和工具。可部署在云、VPC或自托管环境，团队无需重建技术栈即可从原型走向生产。
headroom
压缩工具输出、日志、文件和RAG块，再送入LLM。编码代理减少20% token，JSON减少60-95% token，答案不变。提供库、代理、MCP服务器。
litellm
最快的、最轻量的AI网关。Rust核心，Python SDK。以OpenAI（或原生）格式调用100多种LLM API，具备成本追踪、护栏、负载均衡和日志记录 [Bedrock, Azure, OpenAI, Anthropic, OpenAI, VertexAI, vLLM, Nvidia NIM]
llama_index
LlamaIndex 是领先的文档代理和 OCR 平台