<基本原则> ## RubyLLM 的工作原理 RubyLLM 为所有 LLM 提供商提供了一个漂亮的 Ruby API。无论使用 GPT、Claude、Gemini 还是本地 Ollama 模型，界面都是相同的。 ### 1\.一个 API 解决一切问题 # 与任何提供商聊天 - 相同的界面聊天 = RubyLLM.chat(型号: 'gpt-4.1') 聊天 = RubyLLM.chat(模型: 'claude-sonnet-4-5') 聊天 = RubyLLM.chat(型号: 'gemini-2.0-flash') # 全部返回相同的 RubyLLM::Message 对象响应 = chat.ask("你好！") 放置响应内容 ### 2\.配置优先使用前务必配置 API 密钥： # 配置/初始化器/ruby_llm.rb RubyLLM.configure 做 |config| config.openai_api_key = ENV['OPENAI_API_KEY'] config.anthropic_api_key = ENV['ANTHROPIC_API_KEY'] config.gemini_api_key = ENV['GEMINI_API_KEY'] 配置.request_timeout = 120 配置.max_retries = 3 结束 ### 3\.工具是 Ruby 类将工具定义为带有“description”、“param”和“execute”的“RubyLLM::Tool”子类：天气类 < RubyLLM::Tool 描述“获取某个位置的当前天气” 参数：纬度，类型：'数字'，desc：“纬度” 参数：经度，类型：'数字'，desc：“经度” def 执行(纬度:, 经度:) # 返回结构化数据，无异常 { 温度：22，条件：“晴天” } 救援=> e { error: e.message } # 让LLM优雅地处理错误结束结束 chat.with_tool(Weather).ask("柏林的天气怎么样？") ### 4\. Rails 与acts_as_chat 集成自动保留对话：聊天类 1. 构建新的 AI 功能（聊天、嵌入、图像生成） 2. 添加 Rails 聊天集成（acts_as_chat、Turbo Streams） 3. 实现工具/函数调用 4. 添加流式响应 5. 调试 LLM 交互 6. 优化生产 7.其他的东西 **等待回复，然后阅读匹配的工作流程。** **阅读工作流程后，请严格遵循。** <验证循环> ## 每次更改后 # 1.它加载了吗？ bin/rails 控制台 -e 测试 > RubyLLM.chat.ask("测试") # 2. 测试通过了吗？ bin/rails 测试测试/models/chat_test.rb # 3.检查错误 bin/rails 测试 2>&1 | grep -E "(错误|失败|异常)" 向用户报告： *“配置：已加载 API 密钥” *“聊天：与[模特]一起工作” *“测试：X 通过，Y 失败” <参考索引> ## 领域知识全部在`references/`中： **入门：** getting-started.md **核心功能：** chat-api.md、tools.md、streaming.md、Structured-output.md **Rails：**rails-integration.md **功能：** embeddings.md、image-audio.md **基础设施：**providers.md、error-handling.md、mcp-integration.md **质量：** anti-patterns.md <工作流程索引> ## 工作流程全部在“工作流程/”中：文件 |目的 ---|--- 构建新功能.md |从头开始创建新的人工智能功能添加-rails-chat.md |将持久聊天添加到 Rails 应用程序实施工具.md |创建自定义工具/函数调用添加流.md |添加实时流响应调试-llm.md |查找并解决 LLM 问题优化性能.md |生产优化 |

鲁比法学硕士

包含技能