加速AI驱动的研究：提供可用且灵活工具的PuppyChatter框架

本研究应对开发人工智能（AI）应用所固有的挑战，尤其是那些利用大语言模型（LLM）的应用。尽管AI厂商提供应用程序编程接口（API）与软件开发工具包（SDK）以便开发者接入，前者往往需要繁琐的手工请求构造，后者则可能导致显著的厂商锁定。此外，现有的模型抽象框架虽然缓解了对厂商的依赖，却引入了额外的复杂性层与潜在安全问题。为调和这些相互冲突的因素，本研究提出PuppyChatter，一个新颖的软件框架，旨在保留厂商专用SDK的直观简洁，同时遵循模型抽象所特有的厂商中立原则，从而提供一种更精简、更灵活的开发范式。