ExtensityAI/symbolicai

解決的問題

SymbolicAI 提供了一種透過神經符號方法，將傳統 Python 程式設計與大型語言模型（LLMs）能力結合的方式。它透過在 Python 程式碼中直接引入結構化驗證與語意推理，解決 LLM 的幻覺與不可預測性問題，讓開發者能建構更可靠、更可預測的 AI 應用程式。

工作原理

此框架圍繞兩個核心概念建構：原語 與 契約。

• 原語（符號）： 該專案引入 Symbol 物件，可在兩種模式下運作：語法模式（表現如標準 Python 值）與 語意模式（連結至神經符號引擎以理解意義與上下文）。使用者可透過投影如 .sem 與 .syn，或呼叫語意函數如 .map() 在這兩種模式間切換。
• 契約： 基於「契約式設計」原則，此系統使用裝飾器對 LLM 的輸入與輸出施加約束。它利用 LLMDataModel（與 Pydantic 相容）定義資料結構與驗證規則。若契約遭違反，框架可自動透過補救系統（預補救與後補救）嘗試修復錯誤，並支援可設定的重試邏輯。
• 引擎： 此框架具模組化設計，支援多種引擎，包括文字、語音、影像產生與網路搜尋，透過原始 REST 請求通訊，無需依賴特定供應商的 SDK。

適用對象

希望以更強的正確性保證、結構化資料輸出，以及更自然的 Python 式語意推理整合方式，將 LLM 引入軟體的 Python 開發者。

主要亮點

• 雙模式符號： 在同一物件上無縫切換字面 Python 操作與 AI 驅動的語意操作。
• 契約式設計： 內建驗證與自動補救系統，減少幻覺並確保類型驗證的輸出。
• 模組化引擎架構： 易於擴充的設計，支援本地主機引擎或與外部工具（如網路搜尋、影像產生）整合。
• 供應商無關： 使用共享傳輸層，透過 REST 與各種 LLM 供應商（如 Anthropic、OpenAI、Gemini）互動。