← Découvrir
Découvrir · GitHub · Outlines↑ +65 aujourd'hui

Configurer les sorties IA

La bibliothèque Outlines permet de présenter les réponses de grands modèles de langage sous forme de sorties structurées selon des schémas prédéfinis. Avec cet outil basé sur Python, les développeurs protègent l'intégrité des données en limitant les sorties du modèle avec des expressions régulières ou des règles de grammaire sans contexte.

Mises à jour

  • 7 août 2026: Étoiles 15,477 → 15,525, dernière version 1.3.3 (6 août 2026).
  • 2 août 2026: Étoiles 14,917 → 15,477, dernière version 1.3.2 (20 juillet 2026).

Mise à jour

  • 7 août 2026 : Star 15 477 → 15 525, dernière version 1.3.3 (6 août 2026).
  • 2 août 2026 : Star 14 917 → 15 477, dernière version 1.3.2 (20 juillet 2026).

Ce que ça vous apporte

  • Contraint les sorties du modèle selon des schémas prédéfinis
  • Entièrement compatible avec les types de données JSON ou Python
  • Élimine le besoin de déboguer les sorties erronées

Installation

Installer la bibliothèque
pip install outlines

Exécution

Connecter le modèle
import outlines
from transformers import AutoTokenizer, AutoModelForCausalLM


MODEL_NAME = "microsoft/Phi-3-mini-4k-instruct"
model = outlines.from_transformers(
    AutoModelForCausalLM.from_pretrained(MODEL_NAME, device_map="auto"),
    AutoTokenizer.from_pretrained(MODEL_NAME)
)

Si vous ne codez pas

🤖 Collez ceci dans votre agent (Claude Code · Codex · Antigravity)

Je souhaite restreindre la réponse d'un modèle d'IA à une structure de données Pydantic spécifique ou à un type Python (par exemple int ou Literal) à l'aide de la bibliothèque Outlines. Comment puis-je utiliser la fonction model(request, output_type) après avoir défini l'objet modèle pour garantir que la sortie du modèle est toujours conforme au schéma souhaité ? Veuillez expliquer avec un exemple comment définir le modèle Pydantic pour les objets complexes et appliquer cette structure à la sortie du modèle.

Termes liés du glossaire

Pour quiIl s'adresse aux développeurs qui souhaitent convertir les sorties de texte irrégulières des modèles d'IA en données structurées pouvant être utilisées directement dans les processus logiciels.
LicenceApache-2.0

Liens

TreScout n'a pas développé cet outil · nous l'avons repéré dans les tendances GitHub et présenté. Cette page décrit le dépôt tel qu'il était le 2026-07-22 : Le nombre d'étoiles et notre texte datent de ce jour, le dépôt a pu changer depuis. Consultez le lien du dépôt pour l'état actuel.