
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-11-22 · 当前星标 ★ 5776
使用教程
环境要求
- Python 3.11 或更高版本
- 可用的 OpenAI API Key(示例中通过环境变量 OPENAI_API_KEY 读取)
- pip 包管理工具
- 使用源码方式安装时需要 uv(可选)
- 使用 DockerREPL 沙箱时需要已安装 Docker(可选)
安装与启动步骤
-
1检查 Python 版本
先确认解释器版本不低于 3.11,版本过低会导致安装失败。
python --version -
2安装 rlms
从 PyPI 安装官方发布的 rlms 包,这是 README 给出的快速上手方式。
pip install rlms -
3配置模型密钥
示例使用 OpenAI 后端,需要先把 API Key 写入环境变量,供 SDK 自动读取。
export OPENAI_API_KEY=sk-xxxxxxxx -
4运行最小示例
将 README 中的示例代码保存为 demo.py 后执行,verbose 为 True 时会在控制台打印过程信息。
from rlm import RLM rlm = RLM( backend="openai", backend_kwargs={"model_name": "gpt-5-nano"}, verbose=True, ) print(rlm.completion("Print me the first 100 powers of two, each on a newline.").response) -
5源码方式安装
如需在仓库目录内开发式安装,先装 uv,创建虚拟环境后安装项目依赖(需先进入项目目录)。
curl -LsSf https://astral.sh/uv/install.sh | sh uv init && uv venv --python 3.12 uv pip install -e . -
6执行快速验证
项目自带 Makefile 的 quickstart 目标会用 OPENAI_API_KEY 发起一次查询,并生成可用可视化工具查看的日志。
make quickstart
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
OPENAI_API_KEY | 是 | OpenAI 后端鉴权用的密钥,从环境变量读取 | sk-xxxxxxxx |
backend | 是 | 指定推理后端,示例使用 openai | openai |
backend_kwargs.model_name | 是 | 传给后端的模型名称 | gpt-5-nano |
verbose | 否 | 是否用 rich 在控制台打印过程,默认关闭 | True |
experimental_spec_ptc | 否 | 是否开启实验性 spec-ptc 支持,需 Python 3.12+ | True |
如何确认成功
运行示例后控制台打印出 100 个 2 的幂(每行一个),verbose 开启时还能看到推理过程输出。
常见问题
Q:Python 版本低于 3.11 能装吗?
A:README 明确要求 Python 3.11 或更高版本,建议先升级解释器或创建 3.12 的虚拟环境再安装。
Q:没有安装 uv 可以安装吗?
A:可以。直接用 pip install rlms 即可;uv 只是 README 中手动源码安装流程使用的环境管理工具。
Q:示例提示找不到密钥怎么办?
A:确认 OPENAI_API_KEY 已经在当前终端会话中导出,可用 echo $OPENAI_API_KEY 检查后再运行脚本。
Q:想用 Docker 隔离执行环境怎么配?
A:可使用 DockerREPL,默认镜像为 python:3.11-slim,也支持自定义镜像,需要本机已安装 Docker。
Q:默认 REPL 会执行什么代码?
A:默认在宿主 Python 进程里通过 exec 执行,与宿主共享同一虚拟环境和依赖,仅部分全局模块受限。
注意事项
- 默认 REPL 与宿主进程共享同一虚拟环境,隔离性有限;需要强隔离时改用 DockerREPL。
- 实验性 spec-ptc 仅支持 LocalREPL,且需要 Python 3.12+,安装方式为 pip install 'rlms[spec-ptc]'。
- 使用 IPythonREPL 需额外安装 pip install 'rlms[ipython]'。
- README 示例中的模型名 gpt-5-nano 可替换为你账号可用的其他模型。
核心亮点
- 把递归推理的调度、上下文管理和结果聚合封装成即插即用接口,接入成本低
- 统一抽象多种沙箱后端,递归过程中的代码执行与工具调用可在受控环境运行
- Python 实现,与主流模型调用生态兼容,便于嵌入现有智能体或推理管线
不足之处
- 项目处于早期成长阶段,API 与文档可能随版本快速变动
- 递归推理对模型调用次数和沙箱资源消耗较大,成本与延迟需自行评估
适用场景
- 构建需要多步分解与自我反思的推理型智能体
- 在隔离沙箱中运行模型生成的代码并递归校验结果
- 研究递归语言模型范式、快速搭建实验原型
替代项目
LangGraph、DSPy、AutoGen
上一篇:langchain-demos
下一篇:没有了!
同类项目推荐
ChatUI
开源
用 React 快速搭建专业聊天界面,省时又好看
The UI design language and React library for Conversational UI
chidori
开源
让AI运行永不丢失,断点续跑自动恢复
The agent framework where every run is durable, replayable, and resumable by default···
text-to-sql-bedrock-workshop
开源
在 Bedrock 上从零到精通 Text-to-SQL,动手练出高准确率查询
This repository is intended for those looking to dive deep on advanced Text-to-SQL c···
poe-api-wrapper
开源
一行代码免费调用 GPT-4、Claude 等大模型,省去多平台 API 费用。
A Python API wrapper for Poe.com. With this, you will have free access to GPT-4, Cla···
PromptHub
开源
一站式管理提示词、技能和智能体,告别碎片化,提升 AI 开发效率。
一款包含了 Prompt管理,Skill管理,Agent管理的一站式AI工具箱,助你高效管理提示词,一键···
LLM-Blender
开源
融合多个大模型,取长补短,获得更优回复。
[ACL2023] We introduce LLM-Blender, an innovative ensembling framework to attain con···
chainlit
开源
几分钟内把 LLM 变成可交互的聊天应用
Build Conversational AI in minutes ⚡️
koishi
开源
一套代码,让机器人无缝连接所有聊天平台。
Cross-platform chatbot framework made with love
Arcade-Learning-Environment
开源
用 Atari 2600 游戏快速搭建和评测强化学习智能体
A simple framework that allows researchers and hobbyists to develop AI agents for At···