Update README.md

README.md

@@ -161,6 +161,119 @@ outputs = model.generate(
 
 print(tokenizer.decode(outputs[0], skip_special_tokens=True))
 ```
+
+---
+
+## Conditional Generation
+
+```python
+!pip install git+https://github.com/tabularis-ai/guidegen.git
+
+import sys
+import os
+import json
+import time
+
+import guidegen as gg
+from pydantic import BaseModel, Field
+from typing import Literal, List
+
+# Hugging Face access token - set via environment variable or .env file
+# You can set it with: export HUGGINGFACE_HUB_TOKEN=your_token_here
+# Or create a .env file with: HUGGINGFACE_HUB_TOKEN=your_token_here
+
+MODEL_NAME = "tabularisai/Faust-1"
+
+
+# --- Schema ---
+class EmailSummary(BaseModel):
+    """Structured summary of an email."""
+    Absender: str = Field(description="Der Name des Absenders.")
+    Betreff: str = Field(description="Worum geht es in der E-Mail? (max 5 Wörter)")
+    Zusammenfassung: str = Field(description="Kurze Zusammenfassung (max 2 Sätze).")
+    Prioritaet: Literal["hoch", "mittel", "niedrig"] = Field(description="Wie wichtig die E-Mail ist.")
+    # AntwortNoetig: bool = Field(description="Muss man auf die E-Mail antworten?")
+
+
+# --- Input ---
+email_text = """Hallo Jens,
+
+wir hatten uns bei CampusFounders im Rahmen unserer Pre-Seed-Runde kennengelernt.
+Seitdem haben wir große Fortschritte gemacht und bereiten aktuell unsere Seed-Runde vor.
+
+Wir entwickeln eine Infrastruktur für hocheffiziente, lokal trainierbare KI-Modelle – vollständig ohne Cloud.
+Sehr gern würden wir uns mit dir austauschen und prüfen, ob ein Intro zu US-VCs oder ein Gespräch mit Crestlight möglich wäre.
+
+Anbei ein kurzer OnePager zur Weiterleitung.
+
+Beste Grüße  
+Ricard"""
+
+
+
+# --- Prompt ---
+prompt = f"""
+Du bist ein intelligenter Assistent, der E-Mails analysiert und als JSON zusammenfasst.
+Halte die Zusammenfassung kurz (1-2 Sätze). Betreff maximal 5 Wörter.
+
+--- Beispiel ---
+E-Mail-Text:
+Sehr geehrte Damen und Herren, ich wollte nur nachfragen, ob meine Bestellung #12345 schon versandt wurde. Vielen Dank, Max Mustermann
+JSON-Antwort:
+{{
+  "Absender": "Max Mustermann",
+  "Betreff": "Bestellstatus Anfrage",
+  "Zusammenfassung": "Anfrage zum Versandstatus der Bestellung #12345.",
+  "Prioritaet": "mittel",
+}}
+--- Ende Beispiel ---
+
+Jetzt analysiere die folgende E-Mail und erstelle das JSON-Objekt.
+
+E-Mail-Text:
+{email_text}
+"""
+
+
+def main():
+    print("=" * 60)
+    print("EMAIL SUMMARIZATION WITH GUIDEGEN")
+    print("=" * 60)
+
+    print(f"\nLoading model: {MODEL_NAME}")
+    load_start = time.time()
+
+    gen = gg.GuideGen(
+        MODEL_NAME,
+        verbose=True,
+        use_chat_template=True,
+        enable_thinking=False,
+    )
+
+    load_time = time.time() - load_start
+    print(f"Model loaded in {load_time:.2f}s")
+
+    # --- Generate ---
+    print("\nGenerating structured summary...")
+    gen_start = time.time()
+
+    options = gg.GuideGenOptions(
+        temperature=0.6,
+        max_tokens=400,
+        do_sample=False,
+    )
+
+    summary = gen.generate(prompt, EmailSummary, options=options)
+
+    gen_time = time.time() - gen_start
+    print(f"Generation complete in {gen_time:.2f}s")
+
+    # --- Output ---
+    print("\n--- Email Summary (JSON) ---")
+    print(json.dumps(summary.model_dump(), indent=2, ensure_ascii=False))
+    print(f"\n  Model load: {load_time:.2f}s | Generation: {gen_time:.2f}s | Total: {load_time + gen_time:.2f}s")
+```
+
 ---
 
 ## Training focus