baml

用类型安全语言写 Agent，编译期就揪出 Prompt 错误

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 515 🐛 待处理 367 👀 关注 33

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 9494

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可免费使用和部署。

项目预览

项目数据

分类开源模型

开发团队BoundaryML

官网地址https://boundaryml.com/explore

GitHubhttps://github.com/BoundaryML/baml

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Rust

技术栈/模型boundaryml,guardrails,llm,programming-language,structured-data

GitHub 星标★ 9494

上线时间2023-10-06 00:00:00

代码更新2026-11-08

仓库体积709.5 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数3

项目介绍

BAML 是一种专为构建 AI 智能体而设计的编程语言，旨在解决传统 Prompt 工程中代码与提示词混杂、难以维护和调试的问题。它通过类型安全的声明式语法，让开发者以接近普通编程的方式定义数据模型、工作流和工具调用，并自动生成结构化的输出。BAML 的核心能力包括：编译期校验 Prompt 与输出 Schema 的一致性，支持多模型（如 OpenAI、Anthropic）的无缝切换，内置流式解析和错误重试机制，以及提供可视化的调试界面来追踪每次 LLM 调用的输入输出。它本质上将 Prompt 视为一等公民，通过静态类型和编译优化，显著提升了 LLM 应用的可靠性和开发效率，尤其适合需要复杂逻辑编排和严格数据格式要求的场景，如 RAG 管道、多步 Agent 任务和表单抽取等。

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 2026-08-09 · 当前星标 ★ 9494

技术标签

guardrails llm structured-data

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：命令行工具 4 步

环境要求

已安装 Homebrew（brew）的 macOS/Linux 环境
终端可联网，便于下载 baml 及其依赖
如需 IDE 支持，需已安装 VS Code（README 中使用 --code 参数）

安装与启动步骤

1安装 baml CLI

使用 Homebrew 安装 BAML 命令行工具，这是官方 README 给出的唯一安装方式。
```
brew install baml
```
2安装 agent 组件

执行 baml agent install 安装 BAML 面向 agent 的相关组件。
```
baml agent install
```
3初始化项目

在目标目录执行 baml init，生成 BAML 项目的基础文件结构。
```
baml init
```
4安装 IDE 插件

使用 baml ide install --code 为 VS Code 安装 BAML 编辑器支持。
```
baml ide install --code
```