الأطر والمنصات

Guardrails

التحقق من مخرجات نماذج TokenLab باستخدام Guardrails

نظرة عامة

قم بتهيئة OpenAI SDK باستخدام عنوان URL الأساسي لـ TokenLab، واطلب JSON، ثم تحقق من النص المُعاد باستخدام Guard.parse.

التثبيت

pip install guardrails-ai openai

البيئة

export TOKENLAB_API_KEY="sk-your-tokenlab-key"

مثال

import os

from guardrails import Guard
from openai import OpenAI
from pydantic import BaseModel, Field


class Pet(BaseModel):
    pet_type: str = Field(description="Species of pet")
    name: str = Field(description="A unique pet name")


guard = Guard.for_pydantic(output_class=Pet)

client = OpenAI(
    api_key=os.environ["TOKENLAB_API_KEY"],
    base_url="https://api.tokenlab.sh/v1",
)

response = client.chat.completions.create(
    model="claude-sonnet-5",
    response_format={"type": "json_object"},
    messages=[{
        "role": "user",
        "content": "Suggest a pet. Return only JSON with string fields pet_type and name.",
    }],
)

outcome = guard.parse(response.choices[0].message.content)
print(outcome.validated_output)

ملاحظات حول نقاط النهاية (Endpoint Notes)

يركز Guardrails على التحقق من صحة البيانات حول استدعاء LLM. استخدم المسار المتوافق مع OpenAI لتدفقات chat-completions، أو قم بتمرير دالة قابلة للاستدعاء (callable) مخصصة إذا كان تطبيقك يحتاج إلى نقطة نهاية أصلية لـ TokenLab.

في هذه الصفحة