SynaLinks/synalinks

해결하는 문제

Synalinks는 RAG 시스템, 자율 에이전트, 자기 진화형 추론 시스템을 구축할 때 일반적으로 발생하는 반복 코드를 제거하기 위해 설계된 신경기호적 프레임워크입니다. Keras를 영감으로 삼은 명시적 API를 제공함으로써 복잡한 언어 모델(LM) 애플리케이션의 생성, 훈련, 배포를 간소화합니다.

작동 방식

이 프레임워크는 딥러닝 레이어를 쌓는 것과 유사하게 LM 애플리케이션을 Module의 조합으로 간주합니다. 모델 가중치를 재학습하지 않고도 프롬프트와 소량의 예시를 최적화할 수 있는 '컨텍스트 내 강화학습'을 가능하게 합니다. 또한 Docker 없이도 안전하게 신뢰할 수 없는 코드를 실행할 수 있는 컨테이너 없는 순수 Python 샌드박스를 포함하며, 외부 서버 없이 내장된 그래프 및 SQL 데이터베이스를 통해 지식 기반을 관리할 수 있습니다.

대상 사용자

• AI 개발자: 최소한의 반복 코드로 프로덕션 수준의 LM 앱을 구축하고 싶은 사람
• AI 연구자: 신경기호적 및 컨텍스트 내 강화학습 시스템을 프로토타이핑하고 싶은 사람
• 데이터 과학자: API 및 데이터베이스와 LM 워크플로를 통합하고 싶은 사람
• 학생 및 애호가: 직관적인 프레임워크를 통해 AI 조합을 배우고 싶은 사람

주요 기능

• 컨텍스트 내 RL: 모델 가중치를 건드리지 않고 .compile() / .fit() / .evaluate() API를 사용해 프롬프트와 트레이너블 변수를 최적화.
• 컨테이너 없는 샌드박스: Docker 없이 순수 Python으로 격리된 런타임을 제공해 에이전트가 도구와 코드를 실행할 수 있음.
• 내장 데이터베이스: 자동 의미 중복 제거 기능을 갖춘 그래프 기반 RAG 및 SQL 지식 기반을 내장 지원.
• 모델 독립성: LiteLLM를 통해 OpenAI, Anthropic, Gemini 등 다양한 제공자 간 간편 전환 가능.
• 구조화된 출력: 제약된 데이터 모델을 통해 JSON의 정확성 강제.
• 관측성: MLflow를 통한 통합 추적 및 모니터링.