DataDesigner

从零或种子数据一键生成高质量合成数据，加速 AI 训练

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 245 🐛 待处理 62 👀 关注 10

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2403

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

DataDesigner 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队NVIDIA-NeMo

官网地址https://docs.nvidia.com/nemo/datadesigner

GitHubhttps://github.com/NVIDIA-NeMo/DataDesigner

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agentic-ai,data-augmentation,data-generation,llm,mcp,multimodal,nemo,nvidia,sdg,synthetic-data,tool-use

GitHub 星标★ 2403

上线时间2025-10-16 00:00:00

代码更新2026-11-10

仓库体积808.8 MB

本站数据更新2026-11-10

维护状态活跃

收录时间2026-08-09

浏览次数13

项目介绍

DataDesigner 是 NVIDIA 开源的合成数据生成工具，基于 NeMo 框架构建。它解决的是高质量训练数据获取难、成本高的问题，允许用户从零开始或基于少量种子数据生成大规模、多样化的合成数据集。核心能力包括：支持多种生成策略（如基于 LLM 的指令生成、对话模拟、代码合成等），提供数据清洗、去重、质量过滤等后处理管道，并可与 NeMo 生态无缝集成，方便用户构建端到端的数据飞轮。项目采用 Python 编写，模块化设计，支持自定义扩展，适合 NLP 和多模态任务的训练数据准备。

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 2026-08-09 · 当前星标 ★ 2403

技术标签

agentic-ai data-augmentation data-generation llm mcp

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：库/依赖 5 步

环境要求

Python 环境（README 未指定具体版本）
已安装 pip 包管理器
源码安装方式需本地具备 git 与 make
网络可访问 PyPI 与 GitHub

安装与启动步骤

1准备 Python 环境

确认本机已安装 Python 与 pip。README 未给出所需 Python 版本，建议参考官网文档确认。
2pip 直接安装

最简安装方式，适合快速试用。安装过程会拉取依赖包，建议在虚拟环境中执行。
```
pip install data-designer
```
3克隆源码仓库

如需从源码安装，先克隆仓库并进入项目目录。
```
git clone https://github.com/NVIDIA-NeMo/DataDesigner.git
cd DataDesigner
```
4源码方式安装

在项目根目录执行 make install 完成源码安装，需本机已具备 make 工具。
```
make install
```
5确认安装结果

README 未给出运行示例，可先用 pip show 检查包是否已成功安装。
```
pip show data-designer
```