用Parlant框架打造不胡说的AI影视制作助手三步跑起来【免费下载链接】parlantBuild reliable customer-facing AI agents with Parlant: an interaction control harness optimized for controlled, consistent, and predictable LLM interactions.项目地址: https://gitcode.com/GitHub_Trending/pa/parlant你的AI助手被问到不熟的摄影机参数会一本正经地编一段连迟疑都没有。你想给它划条线却不知道该划在哪。Parlant框架就是干这个的——一个客户导向的LLM代理框架说白了就是给助手套上的行为管控系统让助手只在你允许的范围内说话答不上来就干脆拒绝。先睹为快 做完的影视制作助手长这样一个网页对话框。拍前检查清单怎么列、后期流程分几步它都能答跟影视无关的问题它也会礼貌地弹回来。本文所有操作都在这个界面里完成服务启动后浏览器打开 localhost:8800就能看到它点中间的New开一个会话直接聊左侧 Filter sessions 框能快速翻出旧对话每次回复都带内部执行详情答偏了能查到原因三步跑通最小可用版第1步环境到手就一条命令git clone https://gitcode.com/GitHub_Trending/pa/parlant克隆下来装好依赖要求 Python 3.10 及以上本地就能跑。第2步创建你的影视制作助手下面这段8行代码干一件事起一个本地服务建一个名叫片场导演的代理。跑起来就能聊import asyncio import parlant.sdk as p async def main(): async with p.Server() as server: await server.create_agent( name片场导演, description影视制作助手解答拍摄与后期流程问题) asyncio.run(main())Parlant 默认走 OpenAI 模型运行前记得在环境变量里配好 OPENAI_API_KEY。第3步用guidelines划行为边界guideline指南就是一条当……就……的指令条件成立就执行动作。它最实用的价值是教会助手超纲的问题说不知道——拒绝而不是编。给助手加一条这种规则await agent.create_guideline( condition用户问的问题与影视制作无关如股价、写简历, action礼貌告知你只能解答影视制作问题不要勉强回答, )助手收到消息后会先判断当前对话是否命中条件再生成回复。多写几条行为就多稳一分。怎么写好指南见指南系统文档。进阶可选贴近真实业务 最小版已经能聊了但想交给团队用下面两处升级很值。术语表团队黑话太多的时候。Dailies粗剪特效镜头通用模型要么理解错要么给你一段百科式定义。用代理的 create_term 逐条加词传词名、大白话解释和别名即可比如把Dailies解释为当天拍完、当天审片的素材。之后用户提到这些词助手按你的定义答不再靠想象。Journeys任务要跨多个步骤的时候。以排拍摄日程为例先核对剧本进度再看预算最后给出日程。用 create_journey 先定义触发条件和标题再把状态一个个串起来问什么、调哪个工具用户回复出现分叉就加条件选路。仓库里 examples/healthcare.py 有一份完整的预约流程实现套路可直接搬。收尾部署前的一记提醒 ⚠️最容易踩的坑写完就急着上线。别。先在本地多聊几轮故意问几个超纲问题确认助手是说不知道而不是硬编。仓库自带的测试套件还能跑剧本化对话测试控制台按剧本逐轮对话哪一句答偏了一眼就能看出来。对话测试通过再谈部署的事。接下来可以去安装指南看完整的配置流程再到Agentic Design规划生产环境的结构。【免费下载链接】parlantBuild reliable customer-facing AI agents with Parlant: an interaction control harness optimized for controlled, consistent, and predictable LLM interactions.项目地址: https://gitcode.com/GitHub_Trending/pa/parlant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 用Parlant框架打造不胡说的AI影视制作助手：三步跑起来
用Parlant框架打造不胡说的AI影视制作助手三步跑起来【免费下载链接】parlantBuild reliable customer-facing AI agents with Parlant: an interaction control harness optimized for controlled, consistent, and predictable LLM interactions.项目地址: https://gitcode.com/GitHub_Trending/pa/parlant你的AI助手被问到不熟的摄影机参数会一本正经地编一段连迟疑都没有。你想给它划条线却不知道该划在哪。Parlant框架就是干这个的——一个客户导向的LLM代理框架说白了就是给助手套上的行为管控系统让助手只在你允许的范围内说话答不上来就干脆拒绝。先睹为快 做完的影视制作助手长这样一个网页对话框。拍前检查清单怎么列、后期流程分几步它都能答跟影视无关的问题它也会礼貌地弹回来。本文所有操作都在这个界面里完成服务启动后浏览器打开 localhost:8800就能看到它点中间的New开一个会话直接聊左侧 Filter sessions 框能快速翻出旧对话每次回复都带内部执行详情答偏了能查到原因三步跑通最小可用版第1步环境到手就一条命令git clone https://gitcode.com/GitHub_Trending/pa/parlant克隆下来装好依赖要求 Python 3.10 及以上本地就能跑。第2步创建你的影视制作助手下面这段8行代码干一件事起一个本地服务建一个名叫片场导演的代理。跑起来就能聊import asyncio import parlant.sdk as p async def main(): async with p.Server() as server: await server.create_agent( name片场导演, description影视制作助手解答拍摄与后期流程问题) asyncio.run(main())Parlant 默认走 OpenAI 模型运行前记得在环境变量里配好 OPENAI_API_KEY。第3步用guidelines划行为边界guideline指南就是一条当……就……的指令条件成立就执行动作。它最实用的价值是教会助手超纲的问题说不知道——拒绝而不是编。给助手加一条这种规则await agent.create_guideline( condition用户问的问题与影视制作无关如股价、写简历, action礼貌告知你只能解答影视制作问题不要勉强回答, )助手收到消息后会先判断当前对话是否命中条件再生成回复。多写几条行为就多稳一分。怎么写好指南见指南系统文档。进阶可选贴近真实业务 最小版已经能聊了但想交给团队用下面两处升级很值。术语表团队黑话太多的时候。Dailies粗剪特效镜头通用模型要么理解错要么给你一段百科式定义。用代理的 create_term 逐条加词传词名、大白话解释和别名即可比如把Dailies解释为当天拍完、当天审片的素材。之后用户提到这些词助手按你的定义答不再靠想象。Journeys任务要跨多个步骤的时候。以排拍摄日程为例先核对剧本进度再看预算最后给出日程。用 create_journey 先定义触发条件和标题再把状态一个个串起来问什么、调哪个工具用户回复出现分叉就加条件选路。仓库里 examples/healthcare.py 有一份完整的预约流程实现套路可直接搬。收尾部署前的一记提醒 ⚠️最容易踩的坑写完就急着上线。别。先在本地多聊几轮故意问几个超纲问题确认助手是说不知道而不是硬编。仓库自带的测试套件还能跑剧本化对话测试控制台按剧本逐轮对话哪一句答偏了一眼就能看出来。对话测试通过再谈部署的事。接下来可以去安装指南看完整的配置流程再到Agentic Design规划生产环境的结构。【免费下载链接】parlantBuild reliable customer-facing AI agents with Parlant: an interaction control harness optimized for controlled, consistent, and predictable LLM interactions.项目地址: https://gitcode.com/GitHub_Trending/pa/parlant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考