S
synalinks
Build neuro-symbolic LLM applications with Synalinks framework. Use when working with DataModel, Program, Generator, Module, training LLM pipelines, in-context learning, structured output, JSON operators, Branch/Decision control flow, FunctionCallingAgent, RAG/KAG, or Keras-like
Installation
Pick a client and clone the repository into its skills directory.
Installation
About this skill
Build neuro-symbolic LLM applications with Synalinks framework. Use when working with DataModel, Program, Generator, Module, training LLM pipelines, in-context learning, structured output, JSON operators, Branch/Decision control flow, FunctionCallingAgent, RAG/KAG, or Keras-like LLM workflows.
How to use
- Zainstaluj Synalinks z repozytorium GitHub (https://github.com/SynaLinks/synalinks-skills). 2. Zdefiniuj schematy wejścia i wyjścia jako klasy DataModel z polami Pydantic, opisując każde pole. 3. Utwórz instancję LanguageModel, wskazując model (np. ollama/mistral) oraz konfigurację połączenia. 4. Zbuduj program funkcyjnie: utwórz Input z Twoim schematem, połącz go z Generator (lub innym modułem) przekazując docelowy DataModel i language_model. 5. Opakuj przepływ w Program, podając inputs, outputs, nazwę i opis. 6. Uruchom program asynchronicznie, przekazując instancję danych wejściowych — wynik zwróci strukturyzowany obiekt DataModel, który możesz wyświetlić metodą prettify_json().