Mellea 是一个用于编写生成性程序的 Python 库，旨在构建可预测的 AI 工作流程，通过结构化、可测试的 AI 工作流来替代脆弱的提示和不可靠的代理。
来源：据 README 描述 查看 GitHub 仓库 →Mellea 受关注的原因在于它解决了 AI 工作流程中不可靠的 LLM 调用问题，通过结构化输出、自动重试和多种采样策略，填补了现有 AI 工具在可靠性和可测试性方面的空白。它支持多种后端，易于集成到现有代码库，具有独特的 MCP 兼容性。
来源：综合 README 描述和项目特征通过 @generative 装饰器将类型注解的 Python 函数转换为结构化的 LLM 调用，使用 Pydantic 模式在生成时强制执行。
来源：据 README 描述可以为任何调用附加自然语言要求，Mellea 会自动验证并重试。
来源：据 README 描述支持多种采样策略，如拒绝采样、多数投票等，以选择最佳结果。
来源：据 README 描述支持 Ollama、OpenAI、HuggingFace、WatsonX、LiteLLM 和 Bedrock 等多个后端。
来源：据 README 描述Mellea 采用模块化设计，代码目录结构清晰，依赖文件表明它使用了 Pydantic、openai、jinja2 等库。项目可能采用了工厂模式来创建不同的 LLM 调用实例，并通过配置文件管理后端集成。
来源：代码目录结构 + 依赖文件中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
pydanticopenaijinja2ollamarequestsMellea 适用于需要构建可靠 AI 工作流程的开发者，例如：自动化文本生成、数据清洗、代码生成等场景。
来源：READMEv0.7.0.dev0 (2026-05-19): 添加了类型到 melle，改进了性能和稳定性。
来源：GitHub ReleasesMellea 是一个值得关注的开源项目，对于需要构建可靠 AI 工作流程的开发者来说，它是一个强大的工具。它适合寻求提高 AI 工作流程可靠性和可测试性的团队和个人使用。
来源：综合分析Mellea 是一个用于编写生成性程序的 Python 库，旨在构建可预测的 AI 工作流程，通过结构化、可测试的 AI 工作流来替代脆弱的提示和不可靠的代理。
mellea 的核心功能包括：结构化输出、要求与修复、采样策略、多后端支持。
Mellea 受关注的原因在于它解决了 AI 工作流程中不可靠的 LLM 调用问题，通过结构化输出、自动重试和多种采样策略，填补了现有 AI 工具在可靠性和可测试性方面的空白。它支持多种后端，易于集成到现有代码库，具有独特的 MCP 兼容性。
Mellea 适用于需要构建可靠 AI 工作流程的开发者，例如：自动化文本生成、数据清洗、代码生成等场景。