一条流水线搞定合成数据生成、训练与评估
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。
Datagen、Mostly AI、Synthetic Data Vault (SDV)
deepfabric 是数据集领域的开源项目，由 nolabs-ai 开发，2024 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（886）位列前 30%，在数据集分类中处于中上游。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-09。Apache-2.0 许可证，可免费使用和部署。
它主要面向的使用场景是：合成数据驱动的模型微调与蒸馏。同类可对比的替代方案包括 Datagen、Mostly AI、Synthetic Data Vault (SDV)。
上一篇：Active-Learning-as-a-Service
下一篇：faker
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models
