Kiln

一站式搞定 AI 系统开发：从数据标注到微调评估，全流程可视化协作

Kiln 是一个面向 AI 系统的全流程开发平台，旨在解决从数据准备到模型优化过程中工具链割裂、协作困难的问题。它提供数据集管理、人工标注与协作、评估（evals）、RAG 应用构建、智能体（agent）开发、微调（fine-tuning）、合成数据生成以及 MCP 支持等一体化能力。核心能力包括：可视化数据集创建与版本管理，支持多用户协作标注；内置评估框架，可对模型输出进行多维度的自动与人工评分；支持从数据到微调的无缝衔接，用户可直接在平台内完成模型微调并对比效果；同时提供合成数据生成器，帮助扩充训练数据。Kiln 强调可复现性和透明度，所有操作均有审计日志，适合需要精细控制 AI 系统质量的团队。

开源 unknown 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 5078

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类模型训练

开发团队Kiln-AI

所属国家

官网地址https://kiln.tech

GitHubhttps://github.com/Kiln-AI/Kiln

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型ai,chain-of-thought,collaboration,dataset-generation,evals,evaluation,evaluation-framework,fine-tuning,machine-learning,macos,mcp,ml,ollama,openai,prompt,prompt-engineering,python,rlhf,synthetic-data,windows

GitHub 星标★ 5078

30天Star增速

HF 下载量

上线时间2024-07-23 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数6

使用教程

难度：入门约 10 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

桌面操作系统：macOS、Windows 或 Linux（README 提供三个平台的一键安装包）
能访问 kiln.tech 下载安装包，并能访问 docs.kiln.tech 阅读文档
如需在代码中调用，需自备可用的 Python 环境（用于 Python 库方式）

安装与启动步骤

1下载桌面应用

打开官网下载页，选择与自己系统对应的安装包（macOS / Windows / Linux），下载后按系统常规方式安装。
2完成 5 分钟快速上手

启动应用后，对照官方 5 分钟快速上手文档跑通第一个任务，确认应用可正常工作。
3按需接入 Python 库

如果更习惯写代码，改用 Python 库方式，按 Python 库快速上手文档配置项目并调用 Kiln 能力。
4浏览能力文档

按需查阅 Evals、Auto-Optimize、RAG、Agents、Fine-Tuning、合成数据等章节，找到对应使用路径。

如何确认成功

应用能正常启动，并按 5 分钟快速上手指引成功运行第一个任务，即视为环境就绪。

常见问题

Q：README 里没有提供命令行安装命令吗？

A：是的，README 主推的是桌面应用一键安装，安装包从 https://kiln.tech/download 下载；更多安装与使用细节见 https://docs.kiln.tech。

Q：想用代码而不是图形界面怎么办？

A：README 明确提供了 Python 库的入口，请参考 https://docs.kiln.tech/developers/python-library-quickstart 完成配置与调用。

Q：支持哪些操作系统？

A：README 的下载按钮说明提供 macOS、Windows 和 Linux 三个平台的 Kiln Desktop 安装包。

Q：从哪里看具体功能用法？

A：README 顶部导航给出了 Evals、Auto-Optimize、RAG、Agents、Fine-Tuning 等文档链接，均指向 docs.kiln.tech。

注意事项

README 未给出任何 pip / docker / git clone 命令，本教程只包含官网下载与文档指引，不要凭猜测执行未知命令。
安装包体积与权限要求 README 未说明，若系统提示安全拦截，请按官方文档指引处理。
Kiln 同时提供桌面应用和开源 Python 库，两种方式按自己的使用习惯二选一即可。

核心亮点

覆盖数据管理、标注、评估、微调全链路，避免多工具切换
内置可视化评估界面，支持自动与人工评分，结果直观可对比
支持合成数据生成和 MCP 集成，扩展性强，适配现代 AI 开发需求

不足之处

项目较新，生态和第三方集成尚在完善中
文档/社区待观察

适用场景

团队需要统一管理 AI 训练数据并协作标注
对模型进行系统性评估和回归测试
快速生成合成数据以增强训练集

替代项目

LangSmith、W&B Weave、Gantry

项目介绍

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

在全站 13,014 个收录项目中，它的 GitHub 星标数（5,078）位列前 9%，在模型训练分类的 518 个项目里位列前 11%。

近 44 天，它的 GitHub 星标从 5,014 增加到 5,078，净增 64。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。从国内网络环境看，可直接访问。

它主要面向的使用场景是：团队需要统一管理AI训练数据并协作标注。同类可对比的替代方案包括 LangSmith、W&B Weave、Gantry。

上一篇：oumi

下一篇：OneTrainer