llamaduo

把大模型能力搬回家，低成本打造专属小模型

LlamaDuo 是一个面向 LLMOps 的流水线框架，旨在帮助用户从商业大模型（如 GPT-4）无缝迁移到小规模本地模型。它解决了服务型 LLM 成本高、数据隐私风险大、依赖外部 API 等问题，通过数据生成、模型微调、评估和部署的完整流程，让用户能够利用服务 LLM 的生成能力来训练和优化本地小模型，最终实现性能接近但成本更低、完全自主可控的本地部署。核心能力包括自动化数据合成、指令微调、多维度评估以及一键导出部署。该框架基于 Python，提供简洁的 API 和命令行工具，适合研究者和开发者快速上手。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 317

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队deep-diver

所属国家

官网地址

GitHubhttps://github.com/deep-diver/llamaduo

定价模式free

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

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型large-language-models,machine-learning

GitHub 星标★ 317

30天Star增速

HF 下载量

上线时间2024-03-04 00:00:00

最近更新2026-06-30 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

核心亮点

提供从数据生成到微调、评估、部署的一站式 LLMOps 流水线，降低迁移门槛
利用服务 LLM 自动生成高质量训练数据，解决小模型训练数据稀缺问题
支持多种主流小模型架构，评估指标全面，便于对比和优化

不足之处

早期项目，文档和社区生态尚不完善
依赖服务 LLM 生成数据，仍存在一定 API 成本和外部依赖

适用场景

企业希望降低 LLM 调用成本，将业务迁移至本地部署
数据敏感场景，需在本地处理数据，避免上传云端
研究者需要快速构建特定领域的小型专用模型

替代项目

Axolotl、LLaMA-Factory、Unsloth

项目介绍

llamaduo 是模型训练领域的开源项目，由 deep-diver 开发，2024 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 317。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-30。Apache-2.0许可证，可免费使用和部署。

它主要面向的使用场景是：企业希望降低LLM调用成本，将业务迁移至本地部署。同类可对比的替代方案包括 Axolotl、LLaMA-Factory、Unsloth。

上一篇：OntoTune

下一篇：LoRI