一个名为 Orchestral AI 的全新 Python 框架于本周在 Github 上发布，该框架旨在简化大型语言模型 (LLM) 的编排，以实现可重复的研究和具有成本效益的科学应用。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 等供应商锁定的 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，从而解决科学家在使用 AI 进行可重复研究时面临的挑战。开发者表示，当前的格局通常迫使开发者在放弃对复杂系统的控制或局限于特定供应商的解决方案之间做出选择，这种情况对科学可重复性构成了重大障碍。

Orchestral AI 采用“反框架”架构设计，有意拒绝了当前 AI 工具市场中普遍存在的复杂性。这种方法强调同步操作和类型安全，从而促进可预测的行为和更轻松的调试。开发者将 Orchestral 定位为代理编排的“科学计算”解决方案，专注于可靠性和透明度。

Orchestral AI 的发布正值自主 AI 代理的开发迅速加速之际。许多现有工具依赖于异步操作，这可能会引入可变性并使其难以追踪执行流程。Orchestral 的同步设计旨在缓解这些问题，为科学实验提供更可控的环境。

该框架的供应商无关性是另一个关键特性，允许研究人员在不同的 LLM 供应商之间切换，而无需进行大量的代码修改。这种灵活性对于成本优化和适应不断发展的 LLM 技术格局至关重要。

开发者希望 Orchestral AI 能够降低科学家在其研究中利用 LLM 力量的门槛，从而促进更具可重复性和透明度的 AI 驱动的科学发现。该框架已在 Github 上提供，欢迎开源社区贡献。