BAML快速入门:5个步骤从零开始创建你的第一个AI函数
BAML是一个用于构建强类型LLM函数的编程语言,专为AI工作流和智能体设计。它通过将提示工程转变为模式工程,让开发者能够更可靠地构建AI应用。在本指南中,我将带你通过5个简单步骤创建你的第一个AI函数。
🚀 什么是BAML?
BAML全称"Basically a Made-up Language",是一种简单但强大的提示语言,专注于构建可靠的AI工作流和智能体。BAML让提示工程变得简单,通过将重点放在提示模型上,从而获得更可靠的输出。
核心优势:
- 强类型系统确保AI函数输出可靠
- 支持多种LLM模型(OpenAI、Anthropic、Gemini等)
- 内置测试和可观察性功能
- 完全开源,支持离线使用
📋 准备工作
在开始之前,确保你的开发环境已经就绪:
- 安装BAML CLI
- 选择目标编程语言(Python、TypeScript、Ruby、Go等)
- 配置API密钥(如OpenAI API密钥)
🛠️ 步骤1:创建BAML项目
首先创建一个新的BAML项目:
# 创建项目目录
mkdir my-baml-project
cd my-baml-project
# 初始化项目
baml init
这个命令会生成项目基础结构,包括配置文件和一些示例文件。
📝 步骤2:编写你的第一个AI函数
在项目中创建.baml文件,定义你的AI函数:
function ExtractResumeInfo(resume_text: string) -> ResumeInfo {
client "openai/gpt-4o-mini"
prompt #"
分析以下简历文本,提取关键信息。
简历内容:
{{ resume_text }}
请按照要求格式输出信息。
"#
}
class ResumeInfo {
name string
email string
skills string[]
experience_years int
}
⚙️ 步骤3:生成客户端代码
使用BAML编译器生成目标语言的客户端代码:
baml generate
这个命令会根据你的.baml文件生成对应的客户端库,让你可以在Python、TypeScript等语言中调用这些AI函数。
🔧 步骤4:在代码中调用AI函数
现在你可以在你的应用程序中调用刚刚定义的AI函数了:
Python示例:
from baml_client import b
# 调用AI函数
resume_info = b.ExtractResumeInfo("张三,5年软件开发经验...")
print(f"姓名: {resume_info.name}")
print(f"技能: {', '.join(resume_info.skills)}")
🧪 步骤5:测试和迭代
BAML提供了强大的测试工具,让你能够快速测试和迭代你的AI函数:
- 使用VS Code扩展进行可视化测试
- 并行运行测试以提高迭代速度
- 实时查看提示效果和API请求
🎯 BAML的核心特性
强类型系统
BAML提供完整的类型安全,确保AI函数的输入和输出都符合预期。
多模型支持
轻松在数百个模型之间切换,只需修改几行代码:
function Extract() -> ResumeInfo {
client openai/o3-mini // 只需修改这一行
// ... 其他代码保持不变
}
流式处理
BAML支持流式响应,让你能够构建实时的AI应用:
# 流式调用
stream = b.stream.ExtractResumeInfo(resume_text)
for partial_result in stream:
# 处理部分结果
update_ui(partial_result)
📊 实际应用场景
BAML适用于多种AI应用场景:
- 智能客服聊天机器人
- 文档分析和信息提取
- 代码生成和辅助编程
- 数据清洗和格式化
🔍 常见问题解答
Q: 我需要在BAML中编写整个应用程序吗? A: 不需要!你只需要在BAML中编写提示部分,其他业务逻辑仍然使用你熟悉的编程语言。
Q: BAML支持哪些编程语言? A: 目前支持Python、TypeScript、Ruby、Go等主流语言。
Q: BAML是免费的吗? A: 是的,BAML是完全开源的,采用Apache 2许可证。
🏆 总结
通过这5个简单步骤,你已经成功创建了第一个BAML AI函数。BAML的强大之处在于它简化了AI应用的开发流程,让你能够专注于业务逻辑而不是复杂的提示工程。
记住,BAML的核心思想是"LLM提示就是函数" - 每个提示都是一个接受参数并返回类型的函数。这种抽象让你能够像调用普通函数一样调用AI能力,大大提高了开发效率。
现在就开始你的BAML之旅吧!🚀
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00