Framework de Python para crear aplicaciones de RAG, agentes y procesamiento de documentos que conectan LLM con tus propios datos.
52,8 mil+87 esta semana8,5 milPythonMITActualizado anteayer
LazyAGI/LazyLLM
Framework de Python low-code para crear aplicaciones LLM multiagente, con RAG, chatbots, fine-tuning y despliegue con un solo clic.
- Estrellas
- 3,891
- Forks
- 430
- Issues abiertos
- 77
- Último commit
- ayer
¿Qué es?
LazyLLM es una herramienta de desarrollo low-code para crear aplicaciones basadas en modelos de lenguaje grandes y multiagente. Incluye flujos predefinidos, como pipeline, parallel, diverter y loop, que permiten a los desarrolladores ensamblar flujos de trabajo a partir de funciones y módulos sin escribir demasiado código de orquestación.
El framework está pensado para cubrir el ciclo desde el prototipo hasta producción: crear rápidamente una aplicación funcional, analizar los casos que fallan con datos específicos de la tarea y, después, iterar sobre los algoritmos o ajustar los modelos. Ofrece una interfaz unificada para servicios de modelos en línea de varios proveedores y para modelos desplegados localmente mediante frameworks de inferencia como vLLM y LightLLM. También incluye componentes RAG como Document, Retriever y Reranker.
El despliegue forma parte del diseño. Las aplicaciones se pueden iniciar con un solo comando, una gateway ligera gestiona las conexiones entre los servicios de los submódulos y la aplicación se puede empaquetar como una imagen para Kubernetes. El mismo código puede ejecutarse en hardware bare metal, máquinas de desarrollo, clústeres Slurm o nubes públicas.
Funciones clave
- 01Ensamblaje low-code de flujos de trabajo a partir de funciones y módulos mediante flujos pipeline, parallel y loop.
- 02Interfaz unificada para API de modelos en línea y modelos desplegados localmente.
- 03Componentes RAG integrados para analizar documentos, recuperar información y reordenar resultados.
- 04Despliegue con un solo clic mediante una gateway ligera y empaquetado de imágenes para Kubernetes.
- 05Compatibilidad con fine-tuning y selección automática de frameworks y estrategias de partición de modelos.
- 06Ejecución multiplataforma en hardware bare metal, Slurm y nubes públicas.
Casos de uso
- Crear un bot de preguntas y respuestas con generación aumentada por recuperación sobre tus propios documentos.
- Prototipar un chatbot multiagente que dirija las solicitudes a modelos de chat, voz o imagen.
- Convertir un pipeline prototipo en un servicio desplegable en Kubernetes.
- Comparar modelos en línea y locales con el mismo código de aplicación.
Inicio rápido
- 1
Instala lazyllm con pip
pip3 install lazyllm - 2
Instala todas las dependencias (opcional)
lazyllm install full - 3
Configura tu clave de API de OpenAI como variable de entorno y, después, inicia un chatbot con el comando incluido
lazyllm run chatbot
Antes de usarlo
- La inferencia con modelos locales requiere al menos un framework de inferencia, como lightllm o vllm, que normalmente necesita una GPU.
- Para instalarlo en Windows y macOS, consulta el tutorial de configuración independiente de la documentación.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es LazyLLM?
- Framework de Python low-code para crear aplicaciones LLM multiagente, con RAG, chatbots, fine-tuning y despliegue con un solo clic. LazyLLM es una herramienta de desarrollo low-code para crear aplicaciones basadas en modelos de lenguaje grandes y multiagente. Incluye flujos predefinidos, como pipeline, parallel, diverter y loop, que permiten a los desarrolladores ensamblar flujos de trabajo a partir de funciones y módulos sin escribir demasiado código de orquestación.
- ¿LazyLLM es gratuito? ¿Qué licencia tiene?
- LazyLLM es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿LazyLLM sigue mantenido?
- Mantenimiento activo. El último commit de LazyLLM fue el 6 nov 2026.
- ¿Para qué puedo usar LazyLLM?
- Crear un bot de preguntas y respuestas con generación aumentada por recuperación sobre tus propios documentos. Prototipar un chatbot multiagente que dirija las solicitudes a modelos de chat, voz o imagen. Convertir un pipeline prototipo en un servicio desplegable en Kubernetes. Comparar modelos en línea y locales con el mismo código de aplicación.
- ¿Cómo se instala LazyLLM?
- Instala lazyllm con pip: pip3 install lazyllm Instala todas las dependencias (opcional): lazyllm install full Configura tu clave de API de OpenAI como variable de entorno y, después, inicia un chatbot con el comando incluido: lazyllm run chatbot
- ¿Dónde consigo LazyLLM?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/LazyAGI/LazyLLM
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework de Python y TypeScript para crear sistemas de IA multiagente con backends de LLM, herramientas, memoria, RAG y flujos de trabajo.
3,5 mil+4 esta semana543PythonApache-2.0Bien mantenidoActualizado hace 4 días
Kit de herramientas de código abierto con transformaciones modulares para limpiar, filtrar y enriquecer datos no estructurados destinados al entrenamiento de LLM y a aplicaciones RAG.
968257HTMLApache-2.0Actualizado el mes pasado
Colección de flujos de referencia de NVIDIA para crear pipelines RAG, IA agéntica y ajuste fino de LLM con microservicios NIM y NeMo.
4,2 mil+6 esta semana1,1 milJupyter NotebookApache-2.0Actualizado ayer
Framework de Python para crear agentes de IA autónomos que investigan, planifican, programan y ejecutan tareas, con memoria, RAG y más de 100 proveedores de LLM.
9,3 mil+14 esta semana1,5 milPythonMITActualizado ayer
Motor de IA autohospedado y compatible con OpenAI que ejecuta LLM, modelos de visión, voz, imagen y video en cualquier hardware, incluso solo con CPU.
50,2 mil+151 esta semana4,6 milGoMITActualizado hace 17 horas