이미지, 3D LiDAR 포인트 클라우드, LLM RLHF를 아우르는 멀티모달 학습 데이터를 어노테이션하고 큐레이션하는 오픈소스 올인원 플랫폼입니다.
davidjurgens/potato
YAML로 설정하는 NLP, 에이전트 평가 및 질적 연구용 무료 셀프 호스팅 주석 플랫폼입니다.
대체할 수 있는 제품:Label Studio
NVivo
ATLAS.ti
- 스타
- 437
- 포크
- 79
- 열린 이슈
- 0
- 마지막 커밋
- 어제
어떤 프로젝트인가요?
Potato는 텍스트, 오디오, 비디오, 이미지, 문서에 라벨을 지정하고 LLM 에이전트 트레이스를 평가할 수 있는 셀프 호스팅 주석 플랫폼입니다. 작업은 YAML 설정 파일에서 정의하므로 코드를 작성하지 않고도 라벨링 인터페이스를 설정할 수 있습니다. 코드북을 계속 보완하고 메모와 사례를 관리하는 질적 데이터 분석 모드도 포함되어 있습니다.
일반적인 라벨링 외에도 Potato는 다양한 에이전트 프레임워크(OpenAI, Anthropic, LangChain, LangGraph, CrewAI, MCP 등)의 트레이스를 가져오며, 단계별·스팬별 평가와 나란히 비교하는 평가를 지원합니다. OpenAI, Anthropic, Ollama, vLLM 같은 LLM 백엔드로 데이터를 사전 라벨링하고, 액티브 러닝으로 대기열 순서를 조정하며, 어노테이터 간 일치도와 품질을 추적할 수 있습니다.
Potato는 OAuth/SSO와 데이터베이스 백엔드를 포함한 여러 인증 방식을 지원하며, 다양한 클라우드 호스트와 HuggingFace Spaces에 배포하기 위한 명령어도 제공합니다. 프로젝트는 GPL-3.0 라이선스를 따르며 PyPI에서 potato-annotation 패키지로 설치할 수 있습니다.
핵심 기능
- 01코드를 작성하지 않고 YAML로 주석 작업 정의
- 02텍스트, 오디오, 비디오, 이미지, 문서에 라벨 지정
- 03궤적, 단계, 스팬, 비교 수준에서 에이전트 트레이스 평가
- 04LLM 백엔드와 액티브 러닝 기반 대기열 정렬로 사전 주석 처리
- 05어노테이터 간 일치도, 골드 스탠더드, 주의력 확인 항목 추적
- 06코드북, 메모, 사례를 제공하는 질적 분석 모드
활용 사례
- 분류, NER 또는 스팬 라벨링을 위한 NLP 데이터셋 구축
- LLM 에이전트 또는 RAG 파이프라인의 출력을 단계별로 평가
- Prolific 또는 MTurk에서 크라우드소싱 주석 연구 진행
- 셀프 호스팅 도구로 질적 인터뷰 또는 문서 코딩 수행
빠른 시작
- 1
PyPI에서 패키지를 설치합니다
pip install potato-annotation - 2
예제 config로 서버를 시작합니다
potato start examples/classification/single-choice/config.yaml -p 8000 - 3
브라우저에서 localhost의 포트 8000에 접속해 앱을 엽니다
사용 전 알아둘 점
- GPL-3.0 라이선스가 적용됩니다. 카피레프트 라이선스이므로 파생물을 동일한 조건으로 배포해야 합니다.
- 직접 호스팅해야 하므로 Python 서버를 실행하고 유지 관리해야 합니다.
포함된 컬렉션
토픽
자주 묻는 질문
- potato은(는) 무엇인가요?
- YAML로 설정하는 NLP, 에이전트 평가 및 질적 연구용 무료 셀프 호스팅 주석 플랫폼입니다. Potato는 텍스트, 오디오, 비디오, 이미지, 문서에 라벨을 지정하고 LLM 에이전트 트레이스를 평가할 수 있는 셀프 호스팅 주석 플랫폼입니다. 작업은 YAML 설정 파일에서 정의하므로 코드를 작성하지 않고도 라벨링 인터페이스를 설정할 수 있습니다. 코드북을 계속 보완하고 메모와 사례를 관리하는 질적 데이터 분석 모드도 포함되어 있습니다.
- potato은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
- potato은(는) GPL-3.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
- potato은(는) 아직 유지보수되고 있나요?
- 활발히 유지보수 중. potato의 마지막 커밋은 2026년 10월 22일입니다.
- potato은(는) 어디에 사용할 수 있나요?
- 분류, NER 또는 스팬 라벨링을 위한 NLP 데이터셋 구축 LLM 에이전트 또는 RAG 파이프라인의 출력을 단계별로 평가 Prolific 또는 MTurk에서 크라우드소싱 주석 연구 진행 셀프 호스팅 도구로 질적 인터뷰 또는 문서 코딩 수행
- potato는 어떻게 설치하나요?
- PyPI에서 패키지를 설치합니다: pip install potato-annotation 예제 config로 서버를 시작합니다: potato start examples/classification/single-choice/config.yaml -p 8000 브라우저에서 localhost의 포트 8000에 접속해 앱을 엽니다
- potato은(는) 어디서 받을 수 있나요?
- 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/davidjurgens/potato
요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.
관련 프로젝트
Codex와 Claude Code 같은 코딩 에이전트를 감싸고, 각각 별도 모델을 사용하는 선택형 감독자·리뷰어·적대자·로컬 로그 요약기를 제공하는 Python CLI입니다.
AI 코딩 에이전트가 반복 작업 루프를 수행하게 하고, 완료한 작업을 미래의 에이전트가 재사용할 경험 데이터로 만드는 CLI입니다.
Anthropic의 Claude Code 사용을 위한 서브에이전트, 명령어, 스킬, 훅, 메모리, 워크플로를 다루는 엄선된 최신 모범 사례 가이드이자 참고 자료입니다.
Claude Code와 Codex에 멀티 에이전트 스웜, 자가 학습 메모리, 벡터 검색, 머신 간 에이전트 연합을 추가하는 에이전트 하네스입니다.
AI 에이전트를 구축하고 실행하는 엔터프라이즈급 에이전트 워크플로 플랫폼으로, 모델 관리, MCP 도구 연동, RPA 자동화를 지원합니다.