L
llm-patterns
Wzorce aplikacji AI-first: testowanie modeli i zarządzanie promptami dla logiki opartej na LLM
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Skill do budowania aplikacji, w których duże modele językowe obsługują logikę biznesową. Zawiera gotowe wzorce projektowe dla klasyfikacji, ekstrakcji danych, streszczania i podejmowania decyzji. Oddziela odpowiedzialność: LLM zajmuje się rozumowaniem i transformacją tekstu, kod tradycyjny obsługuje walidację, routing i bazę danych. Includes strukturę projektową z szablonami promptów, typowanym klientem LLM i testami dedykowanymi dla modeli.
Jak używać
- Załaduj skill razem z plikami base.md i wybranym plikiem [language].md do swojego projektu Claude/Copilot. 2. Przejrzyj strukturę katalogów w src/core — prompts zawiera szablony dla klasyfikacji i ekstrakcji, llm zawiera klienta i schematy odpowiedzi, services zawiera logikę biznesową. 3. Utwórz typowany wrapper klienta LLM w core/llm/client.ts, definiując interfejs LLMCallOptions z polem prompt, schema (Zod), model i maxTokens. 4. Napisz szablony promptów w core/prompts dla swoich przypadków użycia (klasyfikacja, ekstrakcja, streszczanie), a następnie zdefiniuj schematy odpowiedzi w core/llm/schemas.ts. 5. Implementuj logikę biznesową w services, wywołując typowany klient LLM z promptem i schematem — model zwróci dane zgodne z Twoim typem TypeScript. 6. Dodaj testy LLM w tests/llm — użyj fixtures do zapisania rzeczywistych odpowiedzi modelu, evals do oceny jakości, mocks do testów jednostkowych bez kosztów API.
Podobne skille
M
market-research-reports
autor: davila7
Data Science
32,57616115
P
autor: anthropics
Data Science
180,62731144
P
pdf-processing
autor: Ming-Kai-LC
Data Science
023134
N
notebooklm
autor: leegonzales
Data Science
142112
S
stock-analyzer
autor: FrancyJGLisboa
Data Science
2,40423128
P
prompt-optimizer
autor: solatis
Data Science
91115109