独自データとLLMをつなぎ、RAG、エージェント、ドキュメント処理アプリケーションを構築するためのPythonフレームワーク。
LazyAGI/LazyLLM
RAG、チャットボット、ファインチューニング、ワンクリックデプロイに対応した、マルチエージェントLLMアプリケーション構築用のローコードPythonフレームワーク。
- スター
- 3,891
- フォーク
- 430
- 未解決の Issue
- 77
- 最終コミット
- 昨日
これは何?
LazyLLMは、マルチエージェントの大規模言語モデルアプリケーションを構築するためのローコード開発ツールです。pipeline、parallel、diverter、loopなどの定義済みフローを備えており、オーケストレーションコードをあまり書かずに、関数やモジュールを組み合わせてワークフローを構築できます。
このフレームワークは、プロトタイプから本番環境までの開発サイクルを想定しています。まず動作するアプリをすばやく作り、タスク固有のデータを使って失敗ケースを分析し、アルゴリズムの改善やモデルのファインチューニングを繰り返せます。複数のプロバイダーが提供するオンラインのモデルサービスと、vLLMやLightLLMなどの推論フレームワークで提供されるローカルデプロイモデルに共通のインターフェースを用意しています。また、Document、Retriever、RerankerなどのRAGコンポーネントも含まれます。
デプロイも設計の一部です。アプリケーションは単一のコマンドで起動でき、軽量なゲートウェイがサブモジュールサービス間の接続を処理します。また、アプリをイメージとしてパッケージ化し、Kubernetesにデプロイできます。同じコードをベアメタル、開発マシン、Slurmクラスター、パブリッククラウドで実行できます。
主な機能
- 01pipeline、parallel、loopフローを使い、関数やモジュールを組み合わせてローコードでワークフローを構築。
- 02オンラインのモデルAPIとローカルデプロイモデルに共通のインターフェースを提供。
- 03ドキュメント解析、検索、再ランキングなどのRAGコンポーネントを内蔵。
- 04軽量ゲートウェイを使ったワンクリックデプロイと、Kubernetes向けのイメージパッケージ化に対応。
- 05フレームワークやモデル分割方式を自動選択するファインチューニング機能。
- 06ベアメタル、Slurm、パブリッククラウドをまたいで実行可能。
ユースケース
- 独自のドキュメントを対象にしたRAG型の質問応答ボットを構築する。
- チャット、音声、画像モデルにリクエストを振り分けるマルチエージェントチャットボットを試作する。
- プロトタイプのパイプラインをKubernetesにデプロイ可能なサービスにする。
- 同じアプリケーションコードを使って、オンラインモデルとローカルモデルを比較する。
クイックスタート
- 1
pipでlazyllmをインストールする
pip3 install lazyllm - 2
すべての依存関係をインストールする(任意)
lazyllm install full - 3
OpenAI APIキーを環境変数に設定し、付属のコマンドでチャットボットを起動する
lazyllm run chatbot
使う前に知っておきたいこと
- ローカルモデルの推論にはlightllmやvllmなどの推論フレームワークが少なくとも1つ必要で、通常はGPUも必要です。
- WindowsおよびmacOSへのインストールには、ドキュメントにある別途のセットアップチュートリアルが必要です。
収録されている特集
トピック
よくある質問
- LazyLLM とは?
- RAG、チャットボット、ファインチューニング、ワンクリックデプロイに対応した、マルチエージェントLLMアプリケーション構築用のローコードPythonフレームワーク。 LazyLLMは、マルチエージェントの大規模言語モデルアプリケーションを構築するためのローコード開発ツールです。pipeline、parallel、diverter、loopなどの定義済みフローを備えており、オーケストレーションコードをあまり書かずに、関数やモジュールを組み合わせてワークフローを構築できます。
- LazyLLM は無料で使えますか?ライセンスは?
- LazyLLM は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- LazyLLM は今もメンテナンスされていますか?
- 活発にメンテナンス中。LazyLLM の最終コミットは 2026年11月6日 です。
- LazyLLM は何に使えますか?
- 独自のドキュメントを対象にしたRAG型の質問応答ボットを構築する。 チャット、音声、画像モデルにリクエストを振り分けるマルチエージェントチャットボットを試作する。 プロトタイプのパイプラインをKubernetesにデプロイ可能なサービスにする。 同じアプリケーションコードを使って、オンラインモデルとローカルモデルを比較する。
- LazyLLM のインストール方法は?
- pipでlazyllmをインストールする: pip3 install lazyllm すべての依存関係をインストールする(任意): lazyllm install full OpenAI APIキーを環境変数に設定し、付属のコマンドでチャットボットを起動する: lazyllm run chatbot
- LazyLLM はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/LazyAGI/LazyLLM
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
LLMバックエンド、ツール、メモリ、RAG、ワークフローを備えたマルチエージェントAIシステムを構築するためのPython・TypeScriptフレームワーク。
LLMの学習やRAGアプリケーションに向けて、非構造化データのクリーニング、フィルタリング、拡充を行うモジュール式変換ツールキット。
NIMとNeMo microservicesを活用してRAGパイプライン、エージェント型AI、LLMのファインチューニングを構築するための、NVIDIA向けリファレンスワークフロー集です。
リサーチ、計画、コーディング、タスク実行を行う自律型AIエージェントを、メモリ、RAG、100以上のLLMプロバイダー対応で構築できるPythonフレームワーク。
CPUのみのマシンを含むあらゆるハードウェアで各種AIモデルを動かす、セルフホスト型のOpenAI互換AIエンジン。