Framework de orquestación en Python para crear aplicaciones de IA agéntica y LLM, con soporte para pipelines RAG, agentes y flujos de trabajo de varios pasos.
1,1 mil+1 esta semana154PythonApache-2.0Bien mantenidoActualizado ayer
zmedelis/bosquet
Un toolkit de Clojure para crear aplicaciones con LLM, que incluye plantillas y cadenas de prompts, agentes y herramientas, y gestión de memoria para LLM.
- Estrellas
- 379
- Forks
- 28
- Issues abiertos
- 4
- Último commit
- el mes pasado
¿Qué es?
Bosquet es un toolkit de LLMOps para desarrolladores de Clojure que crean aplicaciones basadas en modelos de lenguaje grandes. Aborda la creciente complejidad de las plantillas de prompts, los límites de la ventana de contexto que hacen necesario gestionar la memoria y la necesidad de agentes capaces de llamar a APIs externas.
La biblioteca gestiona servicios de LLM y herramientas, integra la biblioteca de plantillas Selmer para crear plantillas de prompts y utiliza el procesamiento de grafos de Pathom para encadenar y combinar prompts. También ofrece definiciones de agentes y herramientas, gestión de la memoria de LLM y caché de respuestas a llamadas. La generación funciona con prompts individuales, mapas de prompts y conversaciones de chat con varios turnos, y devuelve tanto la conversación completa como las completaciones generadas.
Se admiten llamadas a herramientas con modelos de OpenAI y Ollama, en los que las funciones de Clojure se anotan con descripciones y tipos de parámetros. Una interfaz de línea de comandos permite establecer un modelo predeterminado, guardar claves de API y ejecutar generaciones a partir de archivos EDN de prompts y datos.
Funciones clave
- 01Creación de plantillas de prompts mediante la integración con Selmer
- 02Encadenamiento y combinación de prompts con Pathom
- 03Llamadas a herramientas con modelos de chat de OpenAI y Ollama
- 04Conversaciones de chat con varios turnos y las partes generadas ya incorporadas
- 05Gestión de la memoria de LLM y caché de respuestas a llamadas
- 06Interfaz de línea de comandos para configurar modelos y ejecutar generaciones
Casos de uso
- Crear funcionalidades con LLM en un backend de Clojure que necesiten plantillas de prompts reutilizables
- Encadenar varias llamadas a modelos para que la salida de un prompt alimente el siguiente
- Dar a un modelo de chat acceso a funciones de Clojure, como una herramienta meteorológica o una calculadora
Inicio rápido
- 1
Copia los archivos de configuración de ejemplo (config.edn.sample y secrets.edn) y ajústalos según sea necesario
- 2
Configura el modelo predeterminado
clojure -M -m bosquet.cli llms set --service openai --temperature 0 --model gpt-4o - 3
Guarda la clave de API del servicio que vayas a utilizar
clojure -M -m bosquet.cli keys set openai - 4
Ejecuta una generación
clojure -M -m bosquet.cli "2+{{x}}="
Antes de usarlo
- Se necesita una cadena de herramientas de Clojure y una clave de API para un servicio LLM como OpenAI.
- La documentación completa está marcada como en desarrollo.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es bosquet?
- Un toolkit de Clojure para crear aplicaciones con LLM, que incluye plantillas y cadenas de prompts, agentes y herramientas, y gestión de memoria para LLM. Bosquet es un toolkit de LLMOps para desarrolladores de Clojure que crean aplicaciones basadas en modelos de lenguaje grandes. Aborda la creciente complejidad de las plantillas de prompts, los límites de la ventana de contexto que hacen necesario gestionar la memoria y la necesidad de agentes capaces de llamar a APIs externas.
- ¿bosquet es gratuito? ¿Qué licencia tiene?
- bosquet es open source bajo la licencia EPL-1.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿bosquet sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de bosquet fue el 30 sept 2026.
- ¿Para qué puedo usar bosquet?
- Crear funcionalidades con LLM en un backend de Clojure que necesiten plantillas de prompts reutilizables Encadenar varias llamadas a modelos para que la salida de un prompt alimente el siguiente Dar a un modelo de chat acceso a funciones de Clojure, como una herramienta meteorológica o una calculadora
- ¿Cómo se instala bosquet?
- Copia los archivos de configuración de ejemplo (config.edn.sample y secrets.edn) y ajústalos según sea necesario Configura el modelo predeterminado: clojure -M -m bosquet.cli llms set --service openai --temperature 0 --model gpt-4o Guarda la clave de API del servicio que vayas a utilizar: clojure -M -m bosquet.cli keys set openai Ejecuta una generación: clojure -M -m bosquet.cli "2+{{x}}="
- ¿Dónde consigo bosquet?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/zmedelis/bosquet
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Un paquete de prompts y skills que convierte un asistente de IA en un guía que recopila tus objetivos y convoca agentes expertos para ayudarte a alcanzarlos.
3,5 mil+3 esta semana459PythonSin licenciaActualizado hace 2 meses
Plataforma open source de ingeniería de IA para depurar, evaluar, monitorear y optimizar agentes, aplicaciones con LLM y modelos de ML.
28,7 mil+97 esta semana6,6 milPythonApache-2.0Actualizado hace 20 horas
Plataforma LLMOps cloud-native y de código abierto para gestionar prompts, observar llamadas a LLM, usar caché y distribuir cambios en los prompts.
3,3 mil+1 esta semana280TypeScriptApache-2.0Actualizado hace 3 meses
Plataforma de observabilidad de IA de código abierto y autohospedada para rastrear, evaluar y depurar aplicaciones y agentes basados en LLM.
12,2 mil+102 esta semana1,3 milPythonOtherActualizado hace 22 horas
Suite de herramientas para desarrollar, probar, evaluar e implementar aplicaciones basadas en LLM, con un diseñador visual de flujos para VS Code y una CLI pf.
11,3 mil+5 esta semana1,1 milPythonMITActualizado hace 7 días