深入理解LLM函数：以gregreindel/llm-exe项目为例

2025-06-19 10:41:08作者：晏闻田Solitary

什么是LLM函数？

LLM函数（Large Language Model Function）是一种利用大型语言模型（LLM）能力来实现传统编程功能的创新方法。随着LLM技术的快速发展，开发者现在可以考虑用简单的LLM调用来替代应用程序中复杂的传统功能实现。

传统实现 vs LLM函数实现

让我们以检测敏感信息的功能为例，比较两种实现方式的差异：

传统实现方式

function checkIfDocumentContainsSensitiveInfo(input){
  // 需要编写大量正则表达式来匹配各种敏感信息模式
  // 例如联系方式、证件号码、支付信息等
  // 每种信息都需要单独的正则表达式
  // 代码会变得冗长且难以维护
}

传统方法的主要问题：

需要编写大量复杂的正则表达式
对新出现的敏感信息模式适应性差
维护成本高，需要不断更新规则
难以覆盖所有边界情况

LLM函数实现方式

function checkIfDocumentContainsSensitiveInfoWithLlm(input){
  // 直接询问LLM内容是否包含敏感信息
  // 利用LLM的自然语言理解能力
}

LLM函数的优势：

代码简洁，无需编写复杂规则
利用LLM的语义理解能力，识别更准确
适应性强，能处理各种变体的信息
维护简单，只需调整提示词

实际应用示例

在gregreindel/llm-exe项目中，我们可以这样实现一个敏感信息检测器：

import {
  useLlm,
  createChatPrompt,
  createParser,
  createLlmExecutor,
} from "llm-exe";

export function sensitiveInfoDetector(input: string) {
  const instruction = `你需要检查以下文本是否包含下列敏感信息：
  
## 需要检测的信息类型：
联系方式：任何符合联系方式格式的内容
证件号码：个人证件号码或企业识别号
支付信息：支付卡号码

## 请按以下模板响应：
联系方式：<true或false，表示是否包含此类信息>
证件号码：<true或false，表示是否包含此类信息>
支付信息：<true或false，表示是否包含此类信息>`;

  const llm = useLlm("openai.gpt-4o-mini");
  const prompt = createChatPrompt(instruction).addUserMessage(input);
  const parser = createParser("listToJson");

  const executor = createLlmExecutor({
    llm,
    prompt,
    parser,
  });

  return executor.execute({ input });
}

使用示例

const input = "你好！可以帮我结账吗？我的支付卡号是4242-4242-4242-4242!!"
const response = await sensitiveInfoDetector({ input })

/**
 * 输出结果：
 * {
 *   contactInfo: false,
 *   idNumber: false,
 *   paymentInfo: true
 * }
 */