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 openaiالبيئة
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.