Simon Willison 在 X 上分享了 gremllm，称其为"邪恶的"——一个让 Python 对象按需从 LLM 生成方法实现的实验性库。
工作原理
gremllm 对象的每次属性访问和方法调用都不走静态定义，而是路由到 LLM。LLM 接收对象的描述用途（通过构造函数传入的字符串），生成对应的 Python 代码并立即执行：
from gremllm import Gremllm
counter = Gremllm('counter')
counter.increment() # LLM 生成一个递增实现
counter.get_value() # LLM 生成一个返回当前值的实现
counter.reset() # LLM 生成一个重置实现
这些方法都不在代码库中存在。它们在调用时由 LLM 即时创造。
特殊模式
湿模式（wet mode）：返回值本身也是 gremllm 对象，允许无限方法链——每一步都触发新的 LLM 推理。
Verbose 模式：打印 LLM 生成的代码，用于理解和调试生成行为。
支持的 LLM
任何通过 Simon Willison 的 llm Python 库支持的模型，包括 GPT-4、Claude 和本地模型。
项目定位
文档明确写道："请不要在生产中使用这个"。
gremllm 的目标是探索"LLM 作为运行时"这个概念在 Python 对象层面的极端形式：如果不静态定义任何行为，只靠自然语言描述一个对象的用途，它能多可用？
答案是：在简单的有界任务上，出乎意料地可用。
背景
该库由 awwaiid 构建，使用了 Simon Willison 的 llm Python 工具库作为底层。Willison 分享后该项目在 AI/Python 社区引起关注，主要吸引力在于它把 LLM 动态代码生成的能力以一种极具 Python 风格的 API 暴露出来。