spacy-llm

把大模型塞进spaCy流水线，结构化NLP秒变智能

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 111 🐛 待处理 50 👀 关注 20

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1399

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类开源模型

开发团队explosion

官网地址https://spacy.io/usage/large-language-models

GitHubhttps://github.com/explosion/spacy-llm

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

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MIT

主要语言Python

技术栈/模型anthropic,claude,cohere,dolly,falcon,gpt-3,gpt-4,large-language-models,llama,llm,machine-learning,named-entity-recognition,natural-language-processing,nlp,openai,prompt-engineering,spacy,text-classification

GitHub 星标★ 1399

上线时间2023-03-16 00:00:00

代码更新2026-10-23

仓库体积1.9 MB

本站数据更新2026-11-08

维护状态较活跃

收录时间2026-08-09

浏览次数10

项目介绍

spacy-llm 是 spaCy 官方推出的插件，旨在将大型语言模型（LLM）无缝集成到 spaCy 的结构化 NLP 流水线中。它解决了传统 NLP 流水线难以利用 LLM 强大能力的问题，允许开发者在不放弃 spaCy 的文档对象、管道组件和批处理机制的前提下，使用 LLM 执行文本分类、命名实体识别、关系抽取等任务。其核心能力包括：支持多种 LLM 后端（如 OpenAI、HuggingFace、本地模型），提供可组合的提示模板和解析器，支持 few-shot 示例，并允许将 LLM 结果与规则或统计组件混合使用。通过简单的配置，用户即可在现有 spaCy 流程中启用 LLM 功能，实现快速原型验证和生产部署。

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 ★ 1399

技术标签

anthropic claude cohere gpt-3 gpt-4

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：库/依赖 4 步

环境要求

Python 环境（README 未指定具体版本）
已在同一虚拟环境中安装 spaCy
使用 OpenAI 等云端模型时需准备对应 API key
可访问 GitHub / PyPI 以安装依赖

安装与启动步骤

1确认 spaCy 已安装

spacy-llm 需与 spaCy 安装在同一个虚拟环境中，先确认当前环境已有 spaCy。
```
python -c "import spacy; print(spacy.__version__)"
```
2安装 spacy-llm

直接用 pip 从 PyPI 安装，无需克隆仓库；README 明确指出目前需手动安装。
```
python -m pip install spacy-llm
```
3准备 API key

使用 OpenAI 等云端模型时，需在 openai.com 创建或获取 API key，并把密钥设置为环境变量。
```
export OPENAI_API_KEY=sk-xxxxxxxx
```
4在流程中使用 llm 组件

把可序列化的 llm 组件加入 spaCy pipeline，并配置任务提示与解析器；README 节选未给出完整配置示例，请参照官网文档编写。

关键配置

配置项	必填	说明	示例
`OPENAI_API_KEY`	是	使用 OpenAI 模型时需设为环境变量；README 节选未给出具体变量名，请以官方 API keys 文档为准	`sk-xxxxxxxx`

如何确认成功

执行 python -c "import spacy_llm" 无报错，说明包已安装成功；实际调用 LLM 还需 API key 配置正确。

常见问题

Q：使用 spacy-llm 需要准备训练数据吗？

A：不需要，README 明确说明无需训练数据即可把 LLM 用于文本分类、命名实体识别等任务。

Q：支持哪些 LLM 后端？

A：README 列出 OpenAI、Cohere、Anthropic、Google PaLM、Microsoft Azure AI，并支持 Hugging Face 上的 Falcon、Dolly、Llama 2 等开源模型。

Q：升级小版本会不会出问题？

A：README 提示该包仍处于实验阶段，minor 版本更新可能带来接口层面的破坏性变更，升级前建议先备份配置。

Q：安装时报缺少 API key 或无法调用模型？

A：README 要求把密钥设置为环境变量，请确认密钥已在当前 shell/虚拟环境中生效，具体变量名参见官方 API keys 文档。

注意事项

项目仍为实验性，minor 版本升级可能出现不兼容改动。
必须在已经安装 spaCy 的同一虚拟环境中安装 spacy-llm。
README 节选未给出具体环境变量名和组件配置示例，请查阅官网 https://spacy.io/usage/large-language-models 获取完整配置。
未来 spaCy 版本会自动安装 spacy-llm，目前仍需手动执行 pip 安装。