项目概述

just-prompt 是一个专注于模型提示（prompt）的统一工具库，支持多种大语言模型（LLM），包括 OpenAI、Anthropic、Google Gemini 和 DeepSeek 等。该库提供了丰富的功能模块，旨在提升用户对模型的控制能力。

主要特性

• 多模型支持：兼容 OpenAI (GPT-4, GPT-3.5-turbo)、Anthropic Claude、Google Gemini 和 DeepSeek 等主流大语言模型。
• 上下文注入：允许在提示中嵌入自定义的 JSON 上下文，增强模型理解能力。
• 可插拔组件：通过原子（Atoms）和分子（Molecules）机制实现功能扩展，支持自定义逻辑处理。
• 多语言支持：能够检测输入文本的语言，并自动选择相应的模型进行处理。

安装与使用

pip install just-prompt

基本用法

from just_prompt import JustPrompt

# 初始化工具，设置 API 密钥
jp = JustPrompt(
    openai_api_key="your_openai_key",
    anthropic_api_key="your_anthropic_key",
    google_api_key="your_google_key",
    deepseek_api_key="your_deepseek_key"
)

# 创建提示
prompt = jp.Prompt(
    content="写一篇关于人工智能的文章。",
    context={"user_id": "123", "preferences": ["技术", "应用"]}
)

# 获取回复
response = prompt.get_response(model_name="openai:gpt-4")
print(response)

功能模块

上下文注入

context = {
    "user_info": {"name": "张三", "age": 28},
    "query_params": {"temperature": 0.7, "max_tokens": 500}
}

prompt = jp.Prompt(
    content="根据用户信息，描述他的兴趣爱好。",
    context=context
)

可插拔组件

from just_prompt.molecules import ClaudeExtendedThinking

# 启用 Claude 的扩展思考功能
extended_thinking = ClaudeExtendedThinking(tokens=1024)

prompt = jp.Prompt(
    content="解决这个数学问题：3 + 5 * 2",
    callbacks=[extended_thinking]
)

多语言支持

# 中文提示
prompt_zh = jp.Prompt(content="你好，你今天过得怎么样？")
response_zh = prompt_zh.get_response(model_name="deepseek")

# 英文提示
prompt_en = jp.Prompt(content="Hello, how are you today?")
response_en = prompt_en.get_response(model_name="anthropic")

项目结构

just-prompt/
├── just_prompt/         # 核心工具库
│   ├── atoms/          # 原子组件：基本功能模块
│   │   ├── openai.py    # OpenAI 模型支持
│   │   ├── anthropic.py # Anthropic 模型支持
│   │   └── ...
│   ├── molecules/      # 分子组件：复杂逻辑处理
│   │   ├── context_injector.py  # 上下文注入模块
│   │   └── ...
│   └── __init__.py     # 工具库入口
├── examples/           # 示例用法
│   ├── basic_usage.py    # 基本使用示例
│   ├── context_example.py  # 上下文注入示例
│   └── extended_functionality.py  # 扩展功能示例
└── README.md            # 项目文档

注意事项

1. API 密钥：确保在初始化工具时正确设置所有使用的模型的 API 密钥。
2. 环境依赖：部分功能可能需要额外安装依赖包，如 openai、anthropic 和 google-generativeai 等。
3. 性能优化：根据具体需求调整提示参数（如温度、最大令牌数）以获得最佳效果。

更多详细信息请参考项目文档和相关资源链接。