BAML

是什么

BAML 是一种开源语言和工具集，用于构建具有更强结构化、可测试性和类型安全性的 AI 智能体与 LLM 驱动流水线。它面向在 Python、TypeScript、Ruby、Go 等环境中工作的开发者，这些开发者希望将提示词定义为函数、生成原生代码，并验证结构化输出。

该产品看起来定位为生产级 AI 应用的开发者基础设施层，而不是面向终端用户的智能体产品。其工作流围绕在 BAML 中定义基于提示词的函数、在本地或 CI/CD 中测试它们、生成原生语言绑定，并将生成的代码部署到标准云环境或应用环境中。

功能

• 将提示函数作为代码 — BAML 允许团队使用专用语言定义提示词和智能体函数，从而提升 AI 流水线的一致性与组织性。
• 原生代码生成 — baml-cli generate 可将 BAML 函数转换为 Python、TypeScript、Ruby 和 Go 等语言中的原生函数，使在现有应用中使用 LLM 逻辑更加容易。
• 类型安全的模式与接口 — 开发者可以定义模式并生成类型化接口，有助于在开发早期发现无效属性访问及其他结构性错误。
• 结构化输出验证 — BAML 支持对 JSON、XML 和 YAML 等格式的响应进行验证，这对于信息抽取、分类和下游自动化很有用。
• 在编辑器和 CI/CD 中测试 — 团队可以在 VS Code、其他编辑器中，或通过流水线中的 baml-cli test 测试提示函数，从而在部署前支持可重复的评估。
• 重试与回退处理 — 平台内置针对失败 LLM 请求的自动重试和回退机制，可提升跨模型提供商的韧性。

实用建议

• 当 AI 输出需要直接输入软件系统时，优先考虑 BAML；它在结构化抽取、分类和类型化智能体工作流中的价值最强，而不仅仅适用于开放式聊天。
• 评估当前有多少提示逻辑在不同服务之间重复，因为当多个团队或多种语言需要共享提示定义和模式时，BAML 可能最有用。
• 将测试工作流视为采用过程中的核心要求，而非次要功能，因为提示词的可靠性依赖于可重复的测试用例和 CI 覆盖。
• 确认在你的技术栈中哪些提供商特定行为很重要；网站声明支持广泛的 LLM 提供商，但本页面未展示高级提供商特性的实现细节。
• 如果你的部署模式依赖标准应用运行时或无服务器函数，BAML 的原生代码生成相较于需要专用运行时层的框架，可能有助于降低锁定风险。

OpenClaw 技能

在 OpenClaw 生态中，BAML 可作为需要类型化、可靠 LLM 输出的技能的坚实基础。可能的用例包括文档提取智能体、支持工单分流技能、代码审查工作流、简历解析，以及由 OpenClaw 负责任务编排、而 BAML 定义并验证面向 LLM 的函数的分类流水线。源页面未说明存在原生 OpenClaw 集成，因此这应被视为一种可能的工作流模式，而非已确认的连接器。

这种组合对于需要将结构化数据传递到下游自动化中的运营、产品、工程和知识工作团队尤其有用。OpenClaw 智能体可以将 BAML 定义的函数作为可靠构件来使用，而 OpenClaw 负责触发、协调以及跨系统的工作流逻辑。实际应用中，这可能使智能体系统更易于治理、测试和扩展，尤其适用于依赖可预测、机器可读输出的业务流程。