AIBackends：框架无关的AI任务库，让工作流摆脱框架锁定

AIBackends是一个框架无关的Python AI任务库，旨在解决AI开发中的框架锁定痛点。它提供发票提取、PII脱敏、文档分类等预置任务，支持LangGraph、pydantic-ai、OpenAI Agents SDK等多框架无缝切换，让核心业务逻辑独立于框架选择；同时支持本地优先与云端模型运行，兼顾数据隐私与灵活性。

当前AI开发领域框架林立，每个框架有独特的抽象方式、配置方法和调用模式，导致业务逻辑与框架深度耦合，切换框架需重写大量代码。AIBackends以"框架无关"为核心设计理念，将AI任务抽象为独立可复用单元，通过统一接口暴露，可适配多种框架，大幅降低迁移成本。

AIBackends围绕四个核心概念构建：

1. Task：用户直接调用的功能单元（如extract_invoice），定义明确输入输出契约，返回结构化Pydantic模型；
2. Runtime：通用LLM执行器，提供complete()/embed()接口，支持本地（llamacpp、transformers）与云端（anthropic、groq）运行时；
3. Backend：特定能力的可插拔实现（如PII检测支持gliner和openai-privacy后端）；
4. Model：模型配置管理，简化模型切换复杂度。

AIBackends提供多种现成任务：

• 文档理解类：摘要、分类、自定义Schema提取（含优化的发票提取任务）；
• 隐私安全类：PII脱敏（识别邮箱、电话等敏感信息）；
• 多媒体分析类：销售通话分析、视频广告分析；
• 嵌入任务：统一文本向量化接口。 任务可组合成工作流，支持重试、步骤编排和批处理。

AIBackends支持本地模型离线运行（通过llama-cpp-python等），适合隐私敏感场景；通过aibackends pull命令下载模型缓存，针对NVIDIA GPU/Apple Silicon优化；同时无缝切换云端运行时（anthropic、groq等），业务代码无需改动即可动态选择执行环境。

AIBackends可与多种Agent框架集成：

• LangGraph：作为节点函数；
• pydantic-ai：契合类型安全需求，作为工具使用；
• OpenAI Agents SDK：包装为Function Calling工具；
• CrewAI/Agno：作为Agent能力实现；
• 自定义应用：直接在Web框架（Flask/FastAPI）或CLI脚本中调用，实现同一任务逻辑多框架复用。

适用场景：

1. 多框架共存的企业环境；
2. 需要框架灵活性的项目；
3. 本地优先的隐私敏感应用（医疗、金融等）；
4. 批处理ETL场景（发票处理、文档分类等）。 局限性：专注预定义结构化任务，复杂推理链需结合Agent框架使用。

AIBackends通过封装稳定任务、抽象易变选择（框架、模型、运行时），提供稳健灵活的AI开发方案。项目采用Apache 2.0协议开源，处于积极开发阶段，适合希望摆脱框架锁定、支持本地优先的团队尝试。