SynaLinks/synalinks

From idea to production in just few lines: Graph-Based Programmable Neuro-Symbolic LM Framework - a production-first LM framework built with decade old Deep Learning best practices

What it solves

Synalinks 是一个神经符号框架，旨在简化高级语言模型（LM）应用的创建、训练和部署。它消除构建 RAG、自治代理和自我演化推理系统等复杂系统时的样板代码，提供类似 Keras 的干净声明式 API。

How it works

该框架采用模块化组合方式，开发者将 Module（类似深度学习层）组合成 Program。它利用神经符号方法，结合逻辑、结构与语言模型。

关键技术特性包括：

  • In-Context Reinforcement Learning：使用 .compile() / .fit() / .evaluate() / .predict() API 优化提示词和可训练变量，且不改变模型权重。
  • Embedded Runtimes：内置无容器、纯 Python 沙箱，让代理安全运行不受信任的代码，并提供嵌入式图/SQL 数据库作为知识库。
  • Model Agnostic：集成 LiteLLM，允许在多个提供商（OpenAI、Anthropic、Gemini 等）之间无缝切换，并支持多目标模型选择以平衡成本/质量。
  • Structured Outputs：使用基于 Pydantic 的数据模型，确保 JSON 输出受限且正确。

Who it’s for

  • AI Developers：构建生产级 LM 应用，免除样板代码。
  • AI Researchers：快速原型神经符号和上下文内 RL 系统。
  • Data Scientists：将 LM 工作流与 API 和数据库集成。
  • Students and Hobbyists：通过直观框架学习 AI 组合。

Highlights

  • Container-free Sandbox：安全、隔离的运行时环境，无需 Docker 或外部服务。
  • Embedded Databases：内置图形 RAG 与 SQL 知识库支持，无需单独服务器。
  • Keras-like API：熟悉的深度学习工作流，用于通过上下文内 RL 优化提示词和变量。
  • Production Ready：内建 MLflow 可观测性、异步/并行执行，并提供 FastAPI 或 FastMCP 部署选项。