#Pydantic
ControlFlow学习资料汇总 - Python框架构建AI工作流
awesome-llm-json入门学习资料-利用LLM生成结构化JSON数据的开源资源汇总
ControlFlow: 掌控AI代理的新型Python框架
深入探索LLM生成JSON的技术与工具：awesome-llm-json项目解析
awesome-llm-json
本资源列表提供了丰富的资源，用于使用大语言模型（LLMs）生成JSON或其他结构化输出。内容包括术语解释、托管模型、本地模型、Python库、博客文章、视频和Jupyter笔记本，介绍了函数调用（Function Calling）、指导生成（Guided Generation）和工具使用等多种技术和工具，探索高效生成和处理结构化数据的方法。
logfire
Logfire为Python应用提供前所未有的可视化洞察，提供一个简洁且功能强大的控制台，支持Python对象的丰富展示，事件循环遥测及代码和数据库查询分析。平台支持标准SQL查询，且与OpenTelemetry紧密集成，允许您利用现有的工具、基础设施和仪表化方法，提升性能监控和数据分析能力。不仅易于上手，而且能够为整个工程团队带来实际的使用价值。
ControlFlow
ControlFlow是一个Python框架，用于构建和管理AI工作流。它提供结构化的方法来定义任务并将其分配给特定的AI代理，确保每个步骤的透明和可控。通过组合任务形成复杂流程，用户能够创建符合需求的AI生成内容。ControlFlow支持多代理协作、生态系统集成和系统可观察性，适用于对稳定性和维护性有高要求的AI应用开发。
instructor
Instructor是一个优化的Python库，专为简化和增强大型语言模型（LLMs）的结构化输出设计。它提供了一系列强大的功能，如自动验证、重试机制和流式处理。支持多种主流模型，是提升LLM工作流效率的理想选择。
datamodel-code-generator
datamodel-code-generator是一款Python数据模型代码生成工具，支持从OpenAPI、JSON Schema、GraphQL等格式生成Pydantic、dataclasses等模型。它可以读取本地文件、URL或多种数据格式作为输入，并提供自定义输出选项。该工具安装简便，使用灵活，在多个开源项目中得到应用，有效简化了数据模型开发流程。
ConfZ
ConfZ是一个Python配置管理库，基于Pydantic构建。它支持从配置文件、环境变量和命令行参数等多种源加载配置，并提供数据转换、验证和类似数据类的访问方式。ConfZ适用于多环境配置、单例模式和单元测试等场景，也支持自定义配置源。最新的ConfZ 2版本兼容Pydantic 2，并优化了命名规范。
sqlmodel
SQLModel是一个开源的Python SQL数据库交互库，结合了Pydantic和SQLAlchemy的优势。它提供直观的API，支持类型注解，简化代码编写并减少调试时间。该库与FastAPI高度兼容，通过减少代码重复提高开发效率。SQLModel为开发者提供优秀的编辑器支持，使SQL数据库操作更加简便和高效。
pydantic
Pydantic是一个基于Python类型提示的数据验证库。它以快速、可扩展的特性著称，支持Python 3.8+版本，并与各种开发工具兼容。Pydantic能够简化数据结构定义和自动验证过程，广泛应用于API开发、配置管理和数据序列化等领域。该库通过纯Python语法实现，为开发者提供了直观且高效的数据处理解决方案。
rigging
Rigging是一个轻量级LLM框架，基于Pydantic XML构建。该框架旨在简化生产代码中语言模型的应用。主要特点包括支持结构化Pydantic模型、使用LiteLLM作为默认生成器、通过Python函数定义提示、提供简单的工具调用功能、支持连接字符串配置和聊天模板等。Rigging兼容多种LLM，如OpenAI和Anthropic，并提供简洁API用于获取生成器、构建管道和运行模型。