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，以用于科学和其他需要可重复性的应用。据 VentureBeat 报道，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 和 OpenAI 等供应商的单一供应商软件开发工具包 (SDK) 提供更具确定性和透明性的替代方案。

该框架解决了科学家和工程师日益增长的担忧，他们发现现有的 AI 工具由于其复杂性和缺乏控制，不适合用于可重复的研究。Orchestral 优先考虑同步执行和调试清晰度，这与其他编排平台的异步和通常不透明的性质形成对比。这种被称为“反框架”架构的方法，有意拒绝了开发者认为当前市场具有的复杂性。

自主 AI 代理的兴起给开发者带来了一个具有挑战性的选择：拥抱像 LangChain 这样全面但复杂的生态系统，或者致力于特定供应商及其专有的 SDK。虽然软件工程师可能认为这是一种不便，但寻求利用 AI 进行可重复研究的科学家通常发现这是一个无法克服的障碍。Orchestral 旨在通过提供一种与供应商无关的解决方案来弥合这一差距，该解决方案允许在 LLM 编排中实现更大的控制和透明度。

Orchestral 对可重复性的关注在科学计算中尤为重要，在科学计算中，可验证和可重复的结果至关重要。该框架的设计强调确定性执行，这意味着在给定相同输入的情况下，系统将始终如一地产生相同的输出。这种可预测性对于验证研究结果和确保 AI 驱动的科学发现的可靠性至关重要。开发者认为，通过优先考虑清晰度和控制，Orchestral 可以使研究人员能够利用 LLM 的强大功能，而不会牺牲科学的严谨性。

Orchestral 的发布正值 AI 格局快速发展之际，新的模型和工具不断涌现。该框架的开源性质和对供应商无关性的关注可以促进 AI 社区内的协作和创新。随着 AI 继续渗透到社会的各个方面，像 Orchestral 这样促进透明度和控制的工具可能会在确保负责任和可靠的 AI 开发方面发挥越来越重要的作用。开发者计划根据社区反馈继续迭代 Orchestral，并预计在未来几个月内进一步增强其功能。