Repolode
SylphAI-Inc

SylphAI-Inc/AdalFlow

Библиотека для Python в стиле PyTorch, предназначенная для создания LLM-приложений — чат-ботов, RAG-систем и агентов — с автоматической оптимизацией промптов.

Звёзды
4,226
Форки
389
Открытые issues
72
Последний коммит
7 дней назад

Что это?

AdalFlow — библиотека для Python, предназначенная для создания LLM-приложений: чат-ботов, систем генерации с дополнением извлечённой информацией (RAG) и агентов. Её API следует соглашениям PyTorch: пайплайны собираются из компонентов, а провайдеров моделей можно менять через конфигурацию, не меняя код.

В библиотеке есть слой оптимизации, который рассматривает промпты и few-shot-примеры как обучаемые параметры. Разработчик задаёт Parameter и передаёт его в Generator, а затем обучает с помощью текстового градиентного спуска для инструкций или bootstrap-оптимизации few-shot-примеров. Trainer с интерфейсом AdalComponent управляет циклами обучения и валидации.

AdalFlow также предоставляет средство запуска агентов с синхронным, асинхронным режимами и потоковой передачей, вызовом инструментов и историей шагов. Документация охватывает взаимодействие с человеком в цикле и трассировку; для трассировки библиотека интегрируется с MLflow.

Ключевые возможности

  • 01Компоненты в стиле PyTorch для сборки LLM-пайплайнов.
  • 02Автоматическая оптимизация промптов с помощью текстовых градиентов и few-shot-примеров.
  • 03Конфигурация, не зависящая от модели, для переключения между LLM-провайдерами.
  • 04Средство запуска агентов с синхронным, асинхронным и потоковым режимами вызова, а также вызовом инструментов.
  • 05Интеграция с MLflow для трассировки.

Сценарии использования

  • Создание RAG-систем для ответов на вопросы по собственным документам.
  • Создание агентов, которые вызывают функции и передают ход работы в потоковом режиме.
  • Автоматическая настройка промптов для задачи классификации вместо ручного редактирования.
  • Прототипирование LLM-пайплайнов с возможностью позднее переключить провайдера модели через конфигурацию.

Быстрый старт

  1. 1

    Установите AdalFlow с помощью pip

    pip install adalflow
  2. 2

    Задайте переменную окружения OPENAI_API_KEY

  3. 3

    Запустите пример Hello World Agent из README

Что важно знать

  • Для запуска примеров Hello World нужен ключ API OpenAI.

В подборках

Темы

Частые вопросы

Что такое AdalFlow?
Библиотека для Python в стиле PyTorch, предназначенная для создания LLM-приложений — чат-ботов, RAG-систем и агентов — с автоматической оптимизацией промптов. AdalFlow — библиотека для Python, предназначенная для создания LLM-приложений: чат-ботов, систем генерации с дополнением извлечённой информацией (RAG) и агентов. Её API следует соглашениям PyTorch: пайплайны собираются из компонентов, а провайдеров моделей можно менять через конфигурацию, не меняя код.
AdalFlow можно использовать бесплатно? Какая у него лицензия?
AdalFlow распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
AdalFlow всё ещё поддерживается?
Активно поддерживается. Последний коммит в AdalFlow — 1 нояб. 2026 г..
Для чего можно использовать AdalFlow?
Создание RAG-систем для ответов на вопросы по собственным документам. Создание агентов, которые вызывают функции и передают ход работы в потоковом режиме. Автоматическая настройка промптов для задачи классификации вместо ручного редактирования. Прототипирование LLM-пайплайнов с возможностью позднее переключить провайдера модели через конфигурацию.
Как установить AdalFlow?
Установите AdalFlow с помощью pip: pip install adalflow Задайте переменную окружения OPENAI_API_KEY Запустите пример Hello World Agent из README
Где скачать AdalFlow?
Исходный код и инструкции по установке — на GitHub: https://github.com/SylphAI-Inc/AdalFlow

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

CLI и веб-воркбенч, который превращает исходные документы в связанную Markdown-вики, поддерживаемую LLM, и использует древовидный поиск PageIndex для больших файлов.

4,9 тыс.+25 за неделю503PythonApache-2.0Обновлён 4 месяца назад