Repolode
提交项目
NVIDIA-NeMo

NVIDIA-NeMo/DataDesigner

英伟达推出的 Python 框架，可基于采样器、LLM 和图像模型从零或种子数据生成合成数据集。

在 GitHub 查看官网
Star
2,401
Fork
243
未关闭 Issue
67
最近提交
14小时前

这是什么？

NeMo Data Designer 是一个用于构建合成数据集的框架，目标是超越单纯用大模型写提示词的方式。列可以从统计分布中采样，也可以由 LLM 或图像模型生成，还可以取自已有的种子数据集；字段之间能设置依赖关系，使彼此的逻辑保持一致。

生成的结果可以用 Python、SQL、自定义校验器或 LLM 评审进行验证和打分。框架支持图像、音频和视频等多模态上下文，并能接入本地或远程 MCP 服务器，同时记录交互轨迹。正式运行大规模任务前可以先预览样例记录，长时间的生成任务也支持断点续跑和进度监控。

模型可通过 NVIDIA Build、OpenAI、OpenRouter 等提供方配置，并提供命令行工具完成设置。插件包托管在独立仓库中，可增加 GitHub 种子数据读取，以及用于检索模型训练的问答数据生成工具包等能力。支持 Python 3.10 至 3.14。

核心功能

  • 01结合采样器、LLM、图像模型或种子数据集生成文本、结构化数据和图像。
  • 02通过依赖感知的生成方式控制字段之间的关系。
  • 03使用 Python、SQL、自定义校验器和 LLM 评审验证输出结果。
  • 04可接入本地或远程 MCP 服务器，并记录交互轨迹。
  • 05支持插件扩展数据源和处理步骤。

适用场景

  • 生成带有受控属性的合成用户评论或商品目录，用于测试或训练。
  • 基于文档生成问答对，用于训练检索模型。
  • 生成经过校验的工具调用或智能体交互数据集。

快速上手

  1. 1

    从 PyPI 安装 Data Designer

    pip install data-designer
  2. 2

    为默认模型提供商设置 API 密钥

    export NVIDIA_API_KEY="your-api-key-here"
  3. 3

    运行 README 中的 Python 示例以预览生成的数据

使用前须知

  • 生成数据需要来自 NVIDIA Build、OpenAI 或 OpenRouter 等模型提供商的 API 密钥。
  • 默认会收集遥测数据，可通过 NEMO_TELEMETRY_ENABLED=false 关闭。
  • NVIDIA Build 仅用于评估和测试，不适用于生产环境。

收录于专题

开源 AI Agent 框架与应用MCP Server 精选

标签

#synthetic-data#data-generation#llm#multimodal#data-augmentation#tool-use#agentic-ai#mcp#nemo#nvidia

常见问题

DataDesigner 是什么？
英伟达推出的 Python 框架，可基于采样器、LLM 和图像模型从零或种子数据生成合成数据集。 NeMo Data Designer 是一个用于构建合成数据集的框架，目标是超越单纯用大模型写提示词的方式。列可以从统计分布中采样，也可以由 LLM 或图像模型生成，还可以取自已有的种子数据集；字段之间能设置依赖关系，使彼此的逻辑保持一致。
DataDesigner 可以免费使用吗？用的什么许可证？
DataDesigner 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
DataDesigner 还在维护吗？
活跃维护中。DataDesigner 最近一次提交是在 2026年11月6日。
DataDesigner 适合用来做什么？
生成带有受控属性的合成用户评论或商品目录，用于测试或训练。 基于文档生成问答对，用于训练检索模型。 生成经过校验的工具调用或智能体交互数据集。
DataDesigner 怎么安装和运行？
从 PyPI 安装 Data Designer: pip install data-designer 为默认模型提供商设置 API 密钥: export NVIDIA_API_KEY="your-api-key-here" 运行 README 中的 Python 示例以预览生成的数据
在哪里获取 DataDesigner？
源代码和安装说明在 GitHub 上：https://github.com/NVIDIA-NeMo/DataDesigner

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目