meta-prompting 是开发框架领域的开源项目，由 meta-prompting 开发，2023 年首次发布。
它收录于开发框架分类，该分类目前共有 803 个项目，GitHub 星标数为 324。
项目仍在小幅维护中，最近一次代码更新于 2026-09-16。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：复杂推理任务（如数学、逻辑）。同类可对比的替代方案包括 AutoGPT、LangChain、MetaGPT。
meta-prompting
让AI学会拆解任务，调度专家模型，搞定复杂推理
meta-prompting 是论文《Meta Prompting for AI Systems》的官方实现，旨在通过一种名为“元提示”的技术增强 AI 系统的推理能力。它解决的核心问题是：在面对复杂任务时，单一模型直接生成答案往往效果不佳。该方法将任务分解为多个子任务，并利用一个“元模型”来调度和协调多个专家模型（或同一模型的多次调用），每个专家专注于其擅长的子任务，最终由元模型整合结果。核心能力包括任务分解、专家调度、结果聚合，以及通过自然语言指令动态引导模型行为，从而提升整体输出的准确性、鲁棒性和可解释性。项目提供 Python 实现，便于研究者和开发者复现和扩展。
开源
free
开源模型
GitHub 星标
★ 324
维护状态
维护中
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队meta-prompting
所属国家
定价模式free
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
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ai-systems,foundation-models,large-language-models,llm,meta-prompting,prompting,reasoning
GitHub 星标★ 324
30天Star增速
HF 下载量
上线时间2023-11-19 00:00:00
最近更新2026-09-16 00:00:00
维护状态维护中
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
- 官方实现，与论文同步，学术可信度高
- 提供任务分解与专家调度的完整框架，可扩展性强
- 支持多种模型协作，提升复杂任务处理能力
不足之处
- 文档/社区待观察
- 依赖外部模型API，实际使用成本较高
适用场景
- 复杂推理任务（如数学、逻辑）
- 多模型协作的AI系统设计
- 研究元提示策略对模型性能的影响
替代项目
AutoGPT、LangChain、MetaGPT
项目介绍
上一篇：hashformers
同类项目推荐
ComfyUI_Custom_Nodes_AlekPet
开源
给 ComfyUI 装上语音翻译和姿态检测，工作流更全能
Custom nodes that extend the capabilities of Comfyui
langchain
开源
组装 AI 应用的乐高积木，从想法到上线不换工具
The agent engineering platform.
transformers
开源
全球最大的模型仓库全家桶，想用的模型一把抓
Transformers: the model-definition framework for state-of-the-art machine learning m···
pi
开源
一套 TypeScript 工具包，快速搭出能写代码的 AI agent
AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI