一个名为 Orchestral AI 的全新 Python 框架本周在 Github 上发布，该框架旨在简化大型语言模型 (LLM) 的编排，同时确保可重复性。Orchestral 由理论物理学家 Alexander Roman 和软件工程师 Jacob Roman 开发，旨在为 LangChain 等复杂 AI 生态系统以及 Anthropic 或 OpenAI 等供应商的单一供应商软件开发工具包 (SDK) 提供替代方案。

该框架优先考虑确定性执行和调试清晰度，满足了科学家在可重复研究中使用 AI 的关键需求。开发者表示，当前的形势迫使人们在放弃对复杂系统的控制或被锁定在特定供应商解决方案之间做出选择，这对需要透明度和可重复性的科学应用来说是一个重大障碍。

Orchestral AI 基于一种理念构建，该理念有意拒绝现有 LLM 编排工具中普遍存在的复杂性。该框架提供了一个同步的、类型安全的环境，与其他平台的异步、通常不太可预测的性质形成对比。正如开发者所描述的那样，这种“反框架”架构强调控制和可预测性，这对于科学工作流程至关重要。

自主 AI 代理的兴起导致了旨在管理和编排 LLM 的工具激增。然而，许多这些工具引入了抽象层，这可能会掩盖底层流程，从而难以理解和重现结果。这种缺乏透明度对需要验证和核实 AI 驱动的研究结果的研究人员构成了挑战。

可重复 AI 的影响超越了科学界。随着 AI 系统越来越融入社会的各个方面，包括医疗保健、金融和刑事司法，理解和重现其行为的能力变得至关重要。确保 AI 系统的透明和负责任对于建立信任和防止意外后果至关重要。

Orchestral AI 代表着朝着更可控和透明的 AI 开发迈进。通过优先考虑可重复性和供应商中立性，该框架可能会降低研究人员和开发人员以负责任和可靠的方式利用 LLM 的门槛。该框架可在 Github 上获取，开发者鼓励社区贡献和反馈，以进一步完善其功能。