RubyLLM: Ein Ruby-Framework für alle großen KI-Anbieter

RubyLLM 1.16.0 ist ein Ruby-Framework, das eine einheitliche Schnittstelle für alle großen KI-Anbieter bietet, darunter OpenAI, xAI, Anthropic, Gemini, VertexAI, Bedrock, DeepSeek, Mistral, Ollama, OpenRouter, Perplexity, GPUStack und jede OpenAI-kompatible API. Es unterstützt Chat, Vision, Audio, Dokumente, Bildgenerierung, Embeddings, Moderation, Tools, Agents, strukturierte Ausgaben, Streaming und Rails-Integration.

Schnellstart

Zur Gemfile hinzufügen: gem 'ruby_llm', dann bundle install.

API-Schlüssel konfigurieren:

RubyLLM.configure do |config|
  config.openai_api_key = ENV['OPENAI_API_KEY']
end

Hauptfunktionen

• Chat: RubyLLM.chat.ask('Frage')
• Vision: Bilder und Videos analysieren — chat.ask('Beschreibe', with: 'photo.jpg')
• Audio: Sprache transkribieren und verstehen — RubyLLM.transcribe('meeting.wav')
• Dokumente: Extrahieren aus PDFs, CSVs, JSON, allen Dateitypen
• Bildgenerierung: RubyLLM.paint('Prompt')
• Embeddings: RubyLLM.embed('Text')
• Moderation: RubyLLM.moderate('Text')
• Tools: KI kann Ihre Ruby-Methoden aufrufen, indem Sie RubyLLM::Tool ableiten
• Agents: Wiederverwendbare Assistenten mit RubyLLM::Agent
• Strukturierte Ausgaben: JSON-Schemas mit RubyLLM::Schema
• Streaming: Echtzeit-Antworten mit Blöcken
• Rails: ActiveRecord-Integration mit acts_as_chat und optionaler Chat-UI
• Async: Faserbasierte Nebenläufigkeit
• Modellregister: Über 800 Modelle mit Fähigkeitserkennung und Preisangaben

Codebeispiele

Chat mit Vision:

chat = RubyLLM.chat
chat.ask('Was ist in diesem Bild?', with: 'ruby_conf.jpg')
chat.ask('Fasse dieses Dokument zusammen', with: 'contract.pdf')

Tools verwenden:

class Weather < RubyLLM::Tool
  desc 'Aktuelles Wetter abrufen'
  def execute(latitude:, longitude:)
    JSON.parse(Faraday.get('https://api.open-meteo.com/...').body)
  end
end
chat.with_tool(Weather).ask('Wie ist das Wetter in Berlin?')

Strukturierte Ausgabe:

class ProductSchema < RubyLLM::Schema
  string :name
  number :price
  array :features do
    string
  end
end
response = chat.with_schema(ProductSchema).ask('Analysiere', with: 'product.txt')

Rails-Integration

bin/rails generate ruby_llm:install
bin/rails db:migrate
bin/rails generate ruby_llm:chat_ui

Dann ein Chat-Modell mit acts_as_chat erstellen und /chats aufrufen, um eine fertige Benutzeroberfläche zu nutzen.

RubyLLM hat nur drei Abhängigkeiten: Faraday, Zeitwerk und Marcel.