Tejas-TA/predikit

The missing bridge between your ML models and your AI agents.

What it solves

predikit 消除将传统机器学习模型（如 scikit-learn 或 XGBoost）变成 LLM 代理可调用所需的繁琐胶水代码。它自动生成 JSON Schema、确保输入的类型安全，并提供一套标准化方式，将这些模型作为工具集成到代理工作流中。

How it works

该库将已训练的机器学习模型包装在 ModelTool 对象中。通过为输入 schema 定义 Pydantic BaseModel，predikit 会自动生成 LLM API（例如 OpenAI 函数调用）所需的 JSON Schema，并验证从 LLM 传入模型的数据。它还提供 ToolRegistry 用于管理多个工具，并有 ModelEnsemble 类可使用投票或平均等策略组合多个模型的预测。

Who it’s for

开发者和机器学习工程师，想在 LLM 驱动的代理或应用中集成预测模型，却不想手写验证和 schema 的样板代码。

Highlights

  • Auto-generated Schemas：一行代码即可导出为 OpenAI function‑calling 或 LangChain StructuredTool 格式。
  • Type-Safe I/O：使用 Pydantic v2 进行严格的输入验证，并自动将 LLM 生成的字符串（例如 "yes"）转换为 True。
  • Model Ensembling：内建多模型输出聚合策略，支持平均、投票或加权等变体。
  • Confidence Routing：当分类器的预测置信度低于指定阈值时，可发出警告、抛出错误或触发备用工具。
  • Registry Loaders：直接集成 MLflow 与 Snowflake Model Registry，无需手写加载样板。
  • Async Support：提供 ainvoke() 以支持非阻塞推理。