Promptic 是一个基于 Python 的轻量级库，旨在简化与大型语言模型（LLMs）的交互。它通过提供简洁的装饰器 API 和强大的功能，帮助开发者高效地构建 LLM 应用程序。Promptic 的设计理念是提供 90% 的 LLM 应用开发所需功能，同时保持代码的简洁和易用性。

1. Promptic 的核心功能

1.1 简化 LLM 交互 Promptic 提供了一个装饰器 @llm，用于定义与 LLM 交互的函数。通过装饰器，你可以直接在函数的 docstring 中定义提示（prompt），并自动将函数参数插入到提示中。

Python复制

from promptic import llm

@llm
def translate(text, language="Chinese"):
    """Translate '{text}' to {language}"""

print(translate("Hello world!"))
# 输出：您好，世界！

1.2 支持 Pydantic 模型 Promptic 支持使用 Pydantic 模型定义 LLM 的输出结构，确保 LLM 的响应符合预定义的模式。

Python复制

from pydantic import BaseModel
from promptic import llm

class Forecast(BaseModel):
    location: str
    temperature: float
    units: str

@llm
def get_weather(location, units: str = "fahrenheit") -> Forecast:
    """What's the weather for {location} in {units}?"""

print(get_weather("San Francisco", units="celsius"))
# 输出：location='San Francisco' temperature=16.0 units='Celsius'

1.3 流式响应 Promptic 支持流式响应，允许实时接收 LLM 的输出，适用于长文本内容或交互式应用。

Python复制

from promptic import llm

@llm(stream=True)
def write_poem(topic):
    """Write a haiku about {topic}."""

print("".join(write_poem(