Prism项目v0.51.0版本发布:结构化模型支持与API方法重构
Prism是一个专注于人工智能模型交互的PHP开源项目,它为开发者提供了简洁优雅的API来调用各种AI模型的能力。在最新发布的v0.51.0版本中,项目团队带来了两项重要更新:新增对结构化模型的支持,以及对生成方法API的重大重构。
新增结构化模型支持
在AI应用开发中,结构化输出是一个常见需求。传统的文本生成模型虽然强大,但输出的内容往往是自由格式的文本,需要开发者额外编写代码来解析和提取结构化数据。v0.51.0版本通过新增对结构化模型的支持,直接解决了这一痛点。
新版本中,开发者现在可以使用Prism::structured()方法来调用支持结构化输出的AI模型。这些模型能够直接返回JSON等格式的结构化数据,大大简化了后续处理流程。例如,当需要从一段文本中提取实体信息(如人名、地点、时间等)时,结构化模型可以直接返回一个包含这些信息的结构化对象,而不是需要开发者自己编写正则表达式或复杂的文本解析逻辑。
API方法重构
v0.51.0版本对生成方法API进行了重大重构,这是本次更新的另一个重要变化。重构的主要目的是提供更清晰、更一致的API设计,使代码更易于理解和维护。
重构内容
-
废弃统一的
generate()方法:原先所有生成操作都通过generate()方法完成,这种设计虽然统一但缺乏表达力。新版本将其拆分为多个语义更明确的方法。 -
新的方法命名:
Prism::stream()→Prism::text()->asStream()Prism::text()->generate()→Prism::text()->asText()Prism::structured()->generate()→Prism::structured()->asStructured()Prism::embeddings->generate()→Prism::embeddings()->asEmbeddings()
重构优势
这种重构带来了几个明显的好处:
-
更好的语义表达:新方法名更准确地表达了它们的功能。例如,
asText()明确表示获取文本输出,asStructured()表示获取结构化数据。 -
更清晰的代码组织:不同类型的生成操作现在有各自独立的方法链,代码结构更加清晰。
-
更好的IDE支持:由于方法名更具描述性,IDE的代码补全功能能提供更准确的建议。
-
更易于扩展:新的API设计为未来添加更多类型的生成操作提供了更好的扩展性。
升级建议
对于现有项目,升级到v0.51.0版本需要注意以下几点:
-
方法替换:需要将所有
generate()方法的调用替换为对应的新方法。虽然旧方法目前只是被标记为废弃而非移除,但建议尽快迁移以避免未来版本中的兼容性问题。 -
测试验证:由于API发生了变化,升级后应进行全面测试,确保所有生成操作仍按预期工作。
-
文档更新:团队内部文档和注释中涉及生成方法的部分需要相应更新。
总结
Prism v0.51.0版本的发布标志着该项目在API设计和功能支持上的重要进步。新增的结构化模型支持为开发者处理结构化数据提供了更直接的解决方案,而API重构则提升了代码的清晰度和可维护性。这些改进使得Prism在PHP生态系统中作为AI模型交互工具的地位更加稳固,为开发者构建AI驱动的应用提供了更强大的支持。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00