2 repositorios
Yields partial structured results incrementally as the language model produces them during extraction.
Distinct from Structured Data Extraction: Distinct from Structured Data Extraction: focuses on the streaming aspect of extraction results, not the extraction itself.
Explore 2 awesome GitHub repositories matching data & databases · Incremental Streams. Refine with filters or upvote what's useful.
Yields partial structured results incrementally as the language model produces them during extraction.
AdalFlow es un framework de agentes de IA autónomos y una librería de aplicaciones LLM diseñada para construir flujos de trabajo modulares. Sirve como una interfaz agnóstica al modelo y orquestador de pipelines RAG, permitiendo a los usuarios desarrollar agentes ReAct que utilizan razonamiento iterativo y ejecución de herramientas externas para resolver tareas complejas. El proyecto se distingue por un sistema de optimización de prompts que utiliza descenso de gradiente textual para refinar automáticamente las plantillas de prompts y ejemplos de pocos disparos (few-shot). Trata la retroalimentación del modelo como una señal diferenciable, permitiendo una forma de retropropagación de LLM para mejorar iterativamente la calidad de la salida basada en métricas de evaluación. El framework cubre una amplia superficie de capacidades, incluyendo generación aumentada por recuperación (RAG) con búsqueda semántica vectorial y reranking, rastreo de ejecución basado en spans para observabilidad y análisis estructurado basado en esquemas. Proporciona una capa de comunicación unificada para numerosos proveedores de modelos propietarios y de código abierto, y admite la conversión de funciones de Python en interfaces de herramientas estandarizadas. El sistema está implementado en Python y se integra con MLflow para el seguimiento y análisis de flujos de trabajo.
Processes server-sent events to yield text fragments incrementally during model generation.