mellea

把大模型调用写成可校验、可组合的可靠程序

开源 unknown 开发框架
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1833
维护状态 活跃
是否开源 是
定价模式 unknown

项目预览

项目数据

分类开发框架
开发团队generative-computing
所属国家
官网地址https://mellea.ai
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agents,generative-ai,generative-computing,llms
GitHub 星标★ 1833
30天Star增速
HF 下载量
上线时间2025-07-31 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-20
浏览次数0

项目介绍

Mellea 是一个用于编写生成式程序的 Python 库,面向需要把大语言模型能力嵌入业务流程的开发者。它解决的核心问题是:直接用 LLM 写应用时,输出不稳定、难以验证、难以组合成可靠流程。Mellea 提供结构化编程抽象,让开发者像写普通程序一样组织生成式调用,支持对模型输出做约束、校验与重试,从而提升结果可靠性。其能力覆盖代理(agents)编排、生成式计算流程构建、多 LLM 接入等,适合把生成式 AI 从演示原型推进到可维护的生产代码。项目以 Python 为主要语言,定位开发框架,强调可编程性与可控性,而非简单封装 API。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度:入门 约 10 分钟 部署方式:库/依赖 5 步

环境要求

  • 可用的 Python 环境(README 未标注具体版本要求)
  • 已安装 uv 包管理工具(README 用 uv pip 安装)
  • 能获取一个大语言模型会话(start_session() 的具体配置见官方安装文档)

安装与启动步骤

  1. 1安装 Mellea

    用 uv 从 PyPI 安装 Mellea 核心库,README 给出的唯一安装命令就是这一条。

    uv pip install mellea
  2. 2按需装全部扩展

    需要额外可选组件时安装 all extras;普通使用可跳过这一步。

    uv pip install 'mellea[all]'
  3. 3从源码安装

    想直接用本仓库源码安装,请按仓库根目录 CONTRIBUTING.md 的说明操作。

  4. 4写一个生成式程序

    把示例保存为 run.py:docstring 变成提示词,类型注解变成输出 schema。

    from pydantic import BaseModel
    from mellea import generative, start_session
    
    class UserProfile(BaseModel):
        name: str
        age: int
    
    @generative
    def extract_user(text: str) -> UserProfile:
        """Extract the user's name and age from the text."""
    
    m = start_session()
    user = extract_user(m, text="User log 42: Alice is 31 years old.")
    print(user.name)
    print(user.age)
  5. 5运行脚本

    执行脚本,观察返回对象是否按 UserProfile 结构解析出字段。

    python run.py

如何确认成功

运行 run.py 后正常输出 Alice 与 31,说明会话已启动,结构化调用成功。

常见问题

Q:需要自己配置模型或 API Key 吗?

A:README 未说明具体模型接入方式和凭证配置,只提到 start_session();请查阅 docs.mellea.ai 的安装与入门文档确认。

Q:mellea[all] 里包含什么?

A:README 只说明它是安装全部 extras 的写法,具体包含的组件请以官方安装文档为准。

Q:想改源码或从本仓库安装怎么办?

A:README 指向仓库根目录的 CONTRIBUTING.md,其中给出从源码安装的步骤。

Q:为什么输出字段类型是受保证的?

A:示例中类型注解会转换成 schema,age 一定返回 int,无需自己写模板和解析器。

注意事项

  • README 仅给出 uv pip install 安装方式,未列出 pip/conda 等替代命令。
  • README 未标注支持的 Python 版本、端口或本地服务配置,这类信息需查官方文档。
  • 更多安装选项见 https://docs.mellea.ai/getting-started/installation。

核心亮点

  • 提供结构化生成式编程抽象,输出可约束可校验,降低 LLM 结果不确定性
  • 支持将多次模型调用组合成流程,便于构建可维护的生成式应用
  • Python 原生,接入现有工程栈成本低,适合快速落地

不足之处

  • 项目处于成长期,API 与文档可能仍在快速变化
  • 生态与社区案例相对有限,复杂场景最佳实践待积累

适用场景

  • 把 LLM 输出接入业务系统前做结构化校验与重试
  • 构建多步骤生成式工作流,如内容生成加审核流水线
  • 为代理类应用提供可控的模型调用编排层

替代项目

LangChain、DSPy

上一篇:tambo

下一篇:Google_GenerativeAI

同类项目推荐

dsh-our-free-model 开源

装个插件就能免密钥白嫖前沿大模型,不限量

在 dsh 里装上这个插件即可,无需登录、注册或填 API Key,就能使用包括 DeepSeek V4.1 Fl···

★ 26647 2026-10-04
ComfyUI-sol-attn 开源

在 ComfyUI 中让视频生成注意力更快更省显存

NVIDIA Sol-Attn for ComfyUI / Triton kernel on SM89 - SM121, with zero-copy MiniMax ···

★ 154 2026-08-09
langchain 开源

组装 AI 应用的乐高积木,从想法到上线不换工具

The agent engineering platform.

★ 148070 2026-08-09
transformers 开源

全球最大的模型仓库全家桶,想用的模型一把抓

Transformers: the model-definition framework for state-of-the-art machine learning m···

★ 167850 2026-08-09