de synalinks-skills898
Framework inspiré de Keras pour construire des programmes LLM neuro-symboliques structurés avec des schémas DataModel, des Programmes modulaires et des outils d'entraînement/optimisation.
Synalinks fournit une API similaire à Keras pour construire des applications LLM structurées : définir des schémas DataModel, composer des Modules et des Programmes, exécuter des Générateurs et des Décisions, et entraîner avec des wrappers d'optimisation. Il se concentre sur les E/S JSON structurées, les modèles de branchement parallèle et l'évolution des prompts/exemples pilotée par l'optimiseur pour des sorties fiables. Cas d'usage concret : construire un programme de QA qui définit des schémas d'entrée/sortie, exécute plusieurs branches de générateur pour l'auto-cohérence et fusionne les résultats avec des gardes et des récompenses.
Utilisez Synalinks lorsque vous avez besoin de sorties LLM prévisibles et pilotées par schéma (RAG, appel de fonctions ou agents dotés d'outils), ou lorsque vous souhaitez traiter les pipelines LLM comme des programmes entraînables (optimiseurs, récompenses et checkpoints de programme). Idéal pour les tâches de sortie structurée, les workflows RAG/KAG et l'outillage agentique programmatique.
Cible les runtimes d'agents basés sur les LLM et les agents dotés d'outils (modèles de chat style OpenAI, Claude, runtimes locaux Ollama/Mistral, modèles via OpenRouter).
Synalinks est un framework LLM neuro-symbolique inspiré de Keras avec des schémas DataModel, des Programmes modulaires et des outils d'entraînement/optimisation. Le SKILL.md est complet avec des exemples détaillés de branchement, de gardes, d'agents, d'entraînement et de multiples patchs de fournisseurs. Les scripts sont des démos bien écrites mais tous nécessitent l'installation de synalinks (pas disponible sur PyPI par défaut), les rendant inexécutables sans configuration. L'évaluation restreinte dans tool_agent.py est une note de sécurité mineure mais correctement isolée.
synalinksnumpyCompétence bien conçue avec une documentation extensive. Le eval() dans tool_agent.py est isolé avec __builtins__=None et une validation d'entrée, mais reste un modèle à signaler. 7/8 scripts échouent purement en raison de l'absence du package synalinks, et non pour des problèmes de qualité de code. Le seul script réussissant (subclassing_modules.py) est un stub de 3 lignes.
