SynaLinks/synalinks

何を解決するか

Synalinks は、RAG システム、自律型エージェント、自己進化型推論システムの構築に通常伴うボイラープレートを削減する、神経記号的フレームワークです。Keras をインスパイアした明示的 API を提供することで、複雑な言語モデル（LM）アプリケーションの作成、トレーニング、デプロイを簡素化します。

動作方法

このフレームワークは、深層学習のレイヤーをスタックするのと同様に、LM アプリケーションを Module の組み合わせとして扱います。"コンテキスト内強化学習" を可能にし、下位モデルの重みを再トレーニングせずに、プロンプトや少サンプル例を最適化できます。また、信頼できないコードを安全に実行できる、コンテナフリーの純粋な Python サンドボックスを備えており、外部サーバーを必要とせずに、埋め込み型グラフデータベースおよび SQL データベースによる知識ベース管理もサポートしています。

対象ユーザー

• AI開発者: 最小限のボイラープレートで本番用の LM アプリを構築したい人
• AI研究者: 神経記号的システムやコンテキスト内強化学習のプロトタイピングを行いたい人
• データサイエンティスト: API やデータベースと LM ワークフローを統合したい人
• 学生・趣味人: 直感的なフレームワークを通じて AI の構成を学びたい人

特徴

• コンテキスト内 RL: モデル重みに手を加えず、.compile() / .fit() / .evaluate() API を使ってプロンプトとトレーナブル変数を最適化。
• コンテナフリー サンドボックス: Docker を使わず、純粋な Python で隔離された実行環境をエージェントが利用可能。
• 埋め込み型データベース: グラフベースの RAG および SQL 知識ベースを内蔵サポートし、自動的に意味的重複削除を実行。
• モデル非依存: LiteLLM を通じて OpenAI、Anthropic、Gemini など複数のプロバイダー間で簡単に切り替え可能。
• 構造化出力: 制約付きデータモデルにより JSON の整合性を強制。
• 可観測性: MLflow を通じた統合トレーシングとモニタリング。