Prismatic

Send one prompt to Gemini and see how different sampling temperatures shape the answer — three responses, side by side, in your terminal.

What it does

The same prompt is dispatched to a single LLM (currently Gemini) at multiple temperatures in parallel. Each response is rendered as its own panel so you can compare how temperature shifts the model from precise and terse to vivid and exploratory.

The name is a metaphor: one beam — the prompt — entering a prism becomes multiple colours, each a different answer.

Demo

$ python main.py "What is the capital of France?"

╭─ Gemini (creative, temp=0.9) ──────────────────────╮
│ The capital is Paris, a city famed for its         │
│ riverside elegance and centuries of layered        │
│ history beneath every street corner.               │
│                                                    │
│ ⏱  1.2s · 📊 142 tokens                            │
╰────────────────────────────────────────────────────╯

╭─ Gemini (balanced, temp=0.5) ──────────────────────╮
│ Paris is the capital of France.                    │
│                                                    │
│ ⏱  0.8s · 📊 98 tokens                             │
╰────────────────────────────────────────────────────╯

╭─ Gemini (precise, temp=0.1) ───────────────────────╮
│ Paris.                                             │
│                                                    │
│ ⏱  0.6s · 📊 12 tokens                             │
╰────────────────────────────────────────────────────╯

When a persona fails (rate limit, timeout, auth error, etc.) its panel turns red and the error category is shown in place of the text; the other personas still complete and render.

Quickstart

Requirements

• Python 3.12 or newer
• A Gemini API key (get one at https://aistudio.google.com)

Install

git clone https://github.com/Ohualtex/Prismatic.git
cd Prismatic
python3.12 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Configure

cp .env.example .env
# Open .env and set GEMINI_API_KEY=your_real_key

Run

python main.py "What is the capital of France?"

How it works

Three default personas — creative (temperature 0.9), balanced (0.5), precise (0.1) — fire in parallel via asyncio.gather. Each call is wrapped in a retry loop with jittered exponential backoff for transient failures (429, 5xx, timeout); permanent failures (4xx, auth) fail fast. Results are gathered in the original persona order regardless of completion order, then rendered as panels — green for success, red for failure.

Both successful and failed responses are first-class data: the orchestrator returns a list of ModelResponse values where every element is either a ModelSuccess or a ModelFailure, never an exception. Callers branch on response type, not try/except.

Development

pip install -r requirements-dev.txt

# Run the test suite (no API calls)
pytest

# Format, lint, type-check
ruff format .
ruff check .
mypy --strict .

---

Prismatic (Türkçe)

Tek bir prompt'u Gemini'ye gönderip farklı sıcaklık (temperature) değerlerinin cevabı nasıl şekillendirdiğini görün — üç cevap, yan yana, terminalinizde.

Ne yapar?

Aynı prompt tek bir LLM'e (şu an Gemini) birden fazla sıcaklık değeri ile paralel gönderilir. Her cevap kendi paneline render edilir; böylece temperature'ün modeli kesin ve özlü olmaktan canlı ve keşifçi olmaya nasıl kaydırdığını karşılaştırabilirsiniz.

İsim bir metafor: tek bir ışın — yani prompt — prizmadan geçince birden fazla renge, yani farklı cevaplara ayrılır.

Bir persona başarısız olduğunda (rate limit, timeout, auth hatası vb.) paneli kırmızıya döner ve metin yerine hata kategorisi gösterilir; diğer personalar yine de tamamlanır ve render edilir.

Hızlı başlangıç

Gereksinimler

• Python 3.12 veya üstü
• Gemini API anahtarı (https://aistudio.google.com adresinden alın)

Kurulum

git clone https://github.com/Ohualtex/Prismatic.git
cd Prismatic
python3.12 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Yapılandırma

cp .env.example .env
# .env'yi açın ve GEMINI_API_KEY=gerçek_anahtarınız olarak ayarlayın

Çalıştırma

python main.py "Fransa'nın başkenti nedir?"

Nasıl çalışır?

Üç varsayılan persona — creative (sıcaklık 0.9), balanced (0.5), precise (0.1) — asyncio.gather ile paralel çalışır. Her çağrı, geçici hatalar (429, 5xx, timeout) için jitter'lı üstel backoff retry döngüsüyle sarılır; kalıcı hatalar (4xx, auth) hızlıca başarısız olur. Sonuçlar, tamamlanma sırasından bağımsız olarak orijinal persona sırasında toplanır ve panel olarak render edilir — başarı için yeşil, hata için kırmızı.

Başarılı ve başarısız cevaplar birinci sınıf veridir: orchestrator bir ModelResponse listesi döner — her eleman ya ModelSuccess ya ModelFailure, asla exception değil. Çağıran taraf try/except yerine cevap tipi üzerinden dallanır.

Geliştirme

pip install -r requirements-dev.txt

# Test suite'i çalıştır (API çağrısı yok)
pytest

# Format, lint, tip kontrolü
ruff format .
ruff check .
mypy --strict .