deepfabric

一条流水线搞定合成数据生成、训练与评估

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数据集 🍴 复刻 84 🐛 待处理 23 👀 关注 8

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 897

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，可免费使用和部署。

项目预览

项目数据

分类数据集

开发团队nolabs-ai

官网地址http://docs.deepfabric.dev

GitHubhttps://github.com/nolabs-ai/deepfabric

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agents,ai,data-science,dataset,distillation,evaluation,fine-tuning,huggingface,huggingface-datasets,machine-learning,open,open-source,python,source,synthetic,synthetic-data,unsloth

GitHub 星标★ 897

上线时间2024-10-25 00:00:00

代码更新2026-11-06

仓库体积80.9 MB

本站数据更新2026-11-10

维护状态活跃

收录时间2026-08-10

浏览次数11

项目介绍

deepfabric 是一个面向 AI 数据工程的一体化流水线工具，旨在解决高质量合成数据生成、模型训练、评估与蒸馏的割裂问题。它提供从数据生成到模型优化的完整闭环，支持通过 agents 或规则生成合成数据，并集成 Hugging Face datasets 生态，方便数据加载与导出。核心能力包括：合成数据生成（支持多种策略）、数据质量度量与过滤、模型微调（fine-tuning）与蒸馏（distillation），以及统一的评估框架。用户可以通过简洁的 Python API 或配置文件定义流水线，自动完成数据生成、清洗、训练和评估，显著降低构建高质量数据集的门槛。项目处于早期阶段，但架构清晰，适合需要快速迭代合成数据与模型优化的研究者和工程师。

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 2026-08-10 · 当前星标 ★ 897

技术标签

agents ai data-science dataset distillation

使用教程

难度：进阶约 25 分钟部署方式：本地安装 4 步

环境要求

Python 3.10+
生成模型 API Key

安装与启动步骤

1装包

DeepFabric 做合成数据集生成，pip 装完即用。
```
pip install deepfabric
```
2生成主题图谱

它的核心是先建主题图再采样，保证覆盖广且不跑题。
3生成数据

指定生成模型的系统提示与规模，输出可直接用于微调的数据集。
```
deepfabric generate --topic "REST API 设计" --num-samples 500
```
4校验质量

抽样人工看一遍，重点查事实错误与格式漂移。