parlant 的優勢是「專注於對話本身」,而不是一個龐大的生態系統。
pip install parlant
from parlant import Conversation, User, Assistant
conv = Conversation()
user = User("Alice")
assistant = Assistant("HelperBot")
conv.add(user, "你好,可以幫我總結這段文字嗎?")
conv.add(assistant, "當然可以,請提供文字內容。")
print(conv.to_dict())
輸出會是結構化的對話紀錄:
{
"messages": [
{"role": "user", "name": "Alice", "content": "你好,可以幫我總結這段文字嗎?"},
{"role": "assistant", "name": "HelperBot", "content": "當然可以,請提供文字內容。"}
]
}
結合 LLM 使用:
from parlant.llms import OpenAI
from parlant import Conversation, User, Assistant
llm = OpenAI(model="gpt-4o-mini")
conv = Conversation()
conv.add(User("Alice"), "請幫我寫一個 quicksort 的 Python 範例")
reply = llm.generate(conv)
print(reply)
技術:parlant
分類:對話框架 / AI Agent 開發
難度:⭐⭐⭐☆☆(1–5 顆星)
實用度:⭐⭐⭐⭐☆(1–5 顆星)
一句話:專注於對話管理的框架,讓 AI Agent 更好地處理多輪互動。
關鍵指令:pip install parlant
適用情境:需要結構化管理對話、角色與上下文的 AI Agent 專案。
parlant 對我來說是一個「輕量級的 Agent 對話核心」,它不像 LangChain 或 LlamaIndex 那樣包山包海,而是專注解決對話結構管理這個痛點。對做 AI Agent 的人來說,這是個不錯的基礎元件。
接下來我想試試看,把 parlant + Claude Agent SDK + semtools 組合起來,看看能不能做出一個「多角色、能調用工具」的智慧 Agent。