Configurar saídas de IA
A biblioteca Outlines permite que as respostas de grandes modelos de linguagem sejam apresentadas como saídas estruturadas de acordo com esquemas predefinidos. Com esta ferramenta baseada em Python, os desenvolvedores protegem a integridade dos dados restringindo as saídas do modelo com expressões regulares ou regras gramaticais livres de contexto.
Atualizações
- 7 de agosto de 2026: Estrelas 15,477 → 15,525, versão mais recente 1.3.3 (6 de agosto de 2026).
- 2 de agosto de 2026: Estrelas 14,917 → 15,477, versão mais recente 1.3.2 (20 de julho de 2026).
O que você ganha
- Restringe as saídas do modelo de acordo com esquemas predefinidos
- Totalmente compatível com tipos de dados JSON ou Python
- Elimina a necessidade de depurar saídas erradas
Instalação
pip install outlinesExecução
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)
)Se você não programa
Quero restringir a resposta de um modelo de IA a uma estrutura de dados Pydantic específica ou tipo Python (por exemplo, int ou Literal) usando a biblioteca Outlines. Como posso usar a função model(request, output_type) depois de definir o objeto do modelo para garantir que a saída do modelo sempre esteja em conformidade com o esquema desejado? Explique com um exemplo como definir o modelo Pydantic para objetos complexos e aplicar essa estrutura à saída do modelo.
Termos relacionados do glossário
Links
A TreScout não desenvolveu esta ferramenta · nós a encontramos nas tendências do GitHub e a apresentamos. Esta página descreve o repositório em 2026-07-22: A contagem de estrelas e o nosso texto são daquele dia, o repositório pode ter mudado desde então. Consulte o link do repositório para ver o estado atual. Esta página foi traduzida automaticamente do original em turco · a versão turca é a que vale.