如果您想查看主博客，可以在这里查看，那里有很多关于 Instructor 和 OpenAI 的文章，以及关于如何通过结构化提示进行构建的思考。本博客将更侧重于 JavaScript 库的技术细节。
最初，Instructor 仅通过 OpenAI SDK 实现 API 交互，并侧重于通过集成 Zod 进行结构化数据验证和序列化来实现函数调用。
随着时间的推移，我们通过集成 JSON 模式扩展了我们的工具包，从而增强了我们对视觉模型和开源模型的适应性。这一进展现在使我们能够支持广泛的模型，从 GPT 和 Mistral 到几乎所有可以通过 Ollama 和 Hugging Face 访问的模型。有关如何利用 JSON 模式与各种模型集成的更多见解，请参阅我们关于Patching的详细指南。
开源 LLM 正日益普及，Together 发布的 Mistral 模型使得使用 JSON schema 获取结构化输出成为可能。您可以使用 JSON schema 获取结构化输出，而不是依赖模型的默认输出模式。这种方法是广泛进行提示工程的一种省时替代方案。
阅读完这篇博文，您将学会如何有效地将 instructor 与 Togethers 一起使用。但在继续之前，我们首先探讨一下 Patching 的概念。
开源 LLM 正日益普及，Anyscale 发布的 Mistral 模型使得使用 JSON schema 获取任何规模的结构化输出成为可能。您可以使用 JSON schema 获取结构化输出，而不是依赖模型的默认输出模式。这种方法是广泛进行提示工程的一种省时替代方案。
阅读完这篇博文，您将学会如何有效地将 instructor 与 Anyscale 一起使用。但在继续之前，我们首先探讨一下 Patching 的概念。