Um framework Python para programar modelos de linguagem com código modular e algoritmos que otimizam prompts e pesos, em vez de escrevê-los manualmente.
39 mil+104 esta semana3,5 milPythonMITAtualizado há 17 horas
SylphAI-Inc/AdalFlow
Uma biblioteca Python no estilo PyTorch para criar workflows com LLMs, como chatbots, RAG e agentes, com otimização automática de prompts.
- Estrelas
- 4,224
- Forks
- 389
- Issues abertas
- 72
- Último commit
- há 6 dias
O que é?
AdalFlow é uma biblioteca Python para criar aplicações com LLMs, incluindo chatbots, geração aumentada por recuperação (RAG) e agentes. Sua API segue as convenções do PyTorch: os pipelines são compostos por componentes, e é possível trocar os provedores de modelos pela configuração, sem alterar o código.
A biblioteca inclui uma camada de otimização que trata prompts e demonstrações few-shot como parâmetros treináveis. Os desenvolvedores definem um Parameter e o passam para um Generator; em seguida, podem treiná-lo com descida de gradiente textual para instruções ou otimização few-shot por bootstrap para demonstrações. Um Trainer com interface AdalComponent gerencia o ciclo de treinamento e validação.
AdalFlow também oferece um executor de agentes com modos de chamada síncrono, assíncrono e em streaming, chamada de ferramentas e histórico de etapas. A documentação aborda human-in-the-loop e tracing, e a biblioteca se integra ao MLflow para tracing.
Recursos principais
- 01Componentes no estilo PyTorch para compor pipelines com LLMs.
- 02Otimização automática de prompts usando gradientes textuais e demonstrações few-shot.
- 03Configuração independente de modelo para alternar entre provedores de LLMs.
- 04Executor de agentes com modos de chamada síncrono, assíncrono e em streaming, além de chamada de ferramentas.
- 05Integração com MLflow para tracing.
Casos de uso
- Criar sistemas de perguntas e respostas com RAG sobre seus próprios documentos.
- Criar agentes que usam ferramentas, chamam funções e transmitem o progresso.
- Ajustar prompts automaticamente para uma tarefa de classificação, em vez de editá-los manualmente.
- Prototipar pipelines com LLMs que podem, mais tarde, trocar de provedor de modelos via configuração.
Início rápido
- 1
Instale o AdalFlow com pip
pip install adalflow - 2
Configure a variável de ambiente OPENAI_API_KEY
- 3
Execute o exemplo Hello World Agent do README
Antes de usar
- É necessária uma chave de API da OpenAI para executar os exemplos Hello World.
Em coleções
Tópicos
Perguntas frequentes
- O que é AdalFlow?
- Uma biblioteca Python no estilo PyTorch para criar workflows com LLMs, como chatbots, RAG e agentes, com otimização automática de prompts. AdalFlow é uma biblioteca Python para criar aplicações com LLMs, incluindo chatbots, geração aumentada por recuperação (RAG) e agentes. Sua API segue as convenções do PyTorch: os pipelines são compostos por componentes, e é possível trocar os provedores de modelos pela configuração, sem alterar o código.
- AdalFlow é gratuito? Qual é a licença?
- AdalFlow é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- AdalFlow ainda é mantido?
- Manutenção ativa. O último commit de AdalFlow foi em 1 de nov. de 2026.
- Para que posso usar AdalFlow?
- Criar sistemas de perguntas e respostas com RAG sobre seus próprios documentos. Criar agentes que usam ferramentas, chamam funções e transmitem o progresso. Ajustar prompts automaticamente para uma tarefa de classificação, em vez de editá-los manualmente. Prototipar pipelines com LLMs que podem, mais tarde, trocar de provedor de modelos via configuração.
- Como instalar AdalFlow?
- Instale o AdalFlow com pip: pip install adalflow Configure a variável de ambiente OPENAI_API_KEY Execute o exemplo Hello World Agent do README
- Onde consigo AdalFlow?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/SylphAI-Inc/AdalFlow
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Um mecanismo de RAG sem vetores que cria um índice em árvore hierárquica de documentos longos e permite que um LLM navegue por ele para encontrar respostas.
40,1 mil+221 esta semana3,5 milPythonMITAtualizado há 14 horas
Runtime local de memória para agentes de IA, com foco em evidências: filtra gravações, acompanha mudanças nos fatos ao longo do tempo e explica cada resultado recuperado.
69257PythonApache-2.0Atualizado há 3 meses
Uma CLI e bancada web que transforma documentos brutos em uma wiki Markdown interligada e mantida por LLM, usando a recuperação em árvore do PageIndex para arquivos longos.
4,9 mil+22 esta semana504PythonApache-2.0Atualizado há 4 meses
Código para treinamento, inferência e destilação de modelos de recuperação para RAG, incluindo modelos de embeddings, ColBERT e rerankers.
1,1 mil+1 esta semana88PythonMITAtualizado há 2 meses
Um framework Python para criar aplicações e agentes com LLMs, com interfaces padronizadas para modelos, embeddings, vector stores e integrações de terceiros.
149,1 mil+407 esta semana25,1 milPythonMITBem mantidoAtualizado há 15 horas