Inicio rápido de Laya

Instalar Laya IA en local: inicio rápido con Python

Instala Laya con pip, precarga checkpoints con el Router, ejecuta tu primera decisión tipada y elige el modelo de Laya adecuado para Python en local.

Instalar
pip install laya

Python 3.10 o superior. El checkpoint necesario se descarga la primera vez que lo cargas.

Python
from laya import Router

router = Router(preload=True)

state = {
    "body": "I was charged twice. Please refund the duplicate."
}

questions = {
    "department": {
        "type": "choice",
        "instructions": "Which department should handle this?",
        "criteria": {
            "billing": "payments and refunds",
            "technical": "bugs and outages"
        }
    },
    "refund_requested": {
        "type": "noul",
        "instructions": "Does the user explicitly request a refund?"
    }
}

result = router.predict(state, questions)
print(result)

¿Por qué precargar?

Los checkpoints de Laya son modelos locales. Construir o cargar un modelo en frío puede tardar varios segundos, así que el proyecto oficial recomienda precargarlos en cargas de trabajo de servidor.

router = Router(preload=True)

Si la memoria es limitada, el Router también ofrece controles de carga de checkpoints. Revisa la documentación oficial antes de fijar supuestos operativos en el código, porque esta API todavía cambia rápido.

Cargar un checkpoint directamente

Para un pipeline dedicado a un solo modelo:

import laya

agent = laya.load("convaiinnovations/laya")
result = agent.predict(state, questions)

¿Qué checkpoint debo cargar?

  • laya: empieza aquí para inglés.
  • laya-multilingual: evalúalo para otros idiomas, incluido el español.
  • laya-typed-decisions: evalúalo cuando tu tarea se parezca a los flujos de decisiones tipadas con los que se ajustó.

Consulta los modelos de Laya para más detalles.

Lista de comprobación para producción

Antes de usar Laya para acciones automáticas:

  1. Evalúalo con tus propios datos etiquetados.
  2. Mide la latencia en caliente y en frío en tu hardware.
  3. Comprueba la calibración de la confianza en tu dominio.
  4. Revisa los fallos con conjuntos de opciones grandes.
  5. Añade una alternativa o una revisión humana para las decisiones con poca confianza.
  6. Fija las versiones del paquete y del modelo.

Siguientes pasos

Última verificación con el repositorio oficial: 25 de septiembre de 2026.