Agent-FLAN

让大模型学会用工具，微调数据与方法一键搞定

Agent-FLAN 是复旦大学等机构在 ACL 2024 Findings 发表的开源项目，核心是解决大语言模型（LLM）在智能体（Agent）任务中表现不佳的问题。它提出了一套系统的数据构建和微调方法，通过将 Agent 任务拆解为动作、思考、推理等细粒度子任务，并设计相应的训练数据格式，让 LLM 在微调后能更好地理解工具调用、环境交互和任务规划。项目提供了完整的训练数据生成流程和微调代码，支持主流 LLM（如 Llama、GPT 系列）的适配，旨在提升模型在复杂工具使用场景下的指令跟随和决策能力。其核心能力包括：高效构建高质量 Agent 微调数据、多任务联合训练策略，以及可复现的评测基准。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 362

维护状态低维护

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队InternLM

所属国家

官网地址https://internlm.github.io/Agent-FLAN

GitHubhttps://github.com/InternLM/Agent-FLAN

定价模式free

价格说明开源项目，Apache-2.0许可，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

技术栈/模型agent,chatbot,fine-tuning-llm,gpt,large-language-model,llm

GitHub 星标★ 362

30天Star增速

HF 下载量

上线时间2024-03-15 00:00:00

最近更新2026-08-24 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4

使用教程

核心亮点

提出了细粒度 Agent 任务分解方法，显著提升模型工具调用准确率
开源了完整的数据构建流程和微调代码，易于复现
在多个 Agent 基准（如 ToolBench）上验证了有效性

不足之处

文档/社区待观察
主要面向学术研究，工程化部署支持有限

适用场景

需要为 LLM 增加工具调用能力的开发者
研究 Agent 微调方法的研究人员
构建私有化智能体助手的团队

替代项目

ToolLLM、Gorilla、Lagent

项目介绍

Agent-FLAN 是模型训练领域的开源项目，由 InternLM 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 522 个项目，GitHub 星标数为 362。

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 2026-08-24。Apache-2.0许可，可免费使用和部署。

它主要面向的使用场景是：需要为LLM增加工具调用能力的开发者。同类可对比的替代方案包括 ToolLLM、Gorilla、Lagent。

上一篇：Open-LLaVA-NeXT

下一篇：RLHF-V