项目预览
项目数据
项目介绍
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 ★ 2840
技术标签
使用教程
环境要求
- PostgreSQL 数据库(本地安装即可)
- NodeJS 20(更低版本未测试)
- pnpm 包管理器
- 一个 OpenAI API Key
- 一个 GitHub OAuth App(用于登录认证)
安装与启动步骤
-
1安装基础环境
先装好 PostgreSQL 与 NodeJS 20,再全局安装 pnpm。Node 版本过低可能运行失败。
npm i -g pnpm -
2克隆仓库
把 OpenPipe 源码拉到本地,随后进入项目目录操作。
git clone https://github.com/openpipe/openpipe -
3安装项目依赖
进入仓库根目录后用 pnpm 安装全部依赖,耗时较长请耐心等待。
cd openpipe && pnpm install -
4生成环境变量文件
从示例文件复制出 .env,之后需要在其中填入 OpenAI Key 等配置。
cd app && cp .env.example .env -
5创建数据库角色
新装 Postgres 想用默认 DATABASE_URL 时执行,创建 postgres 角色并授予超级用户权限。
psql postgres CREATE ROLE postgres WITH LOGIN PASSWORD 'postgres'; ALTER ROLE postgres SUPERUSER; -
6初始化数据库
确认 .env 中 DATABASE_URL 指向你的 Postgres,然后在 app 目录执行迁移建表。
pnpm prisma migrate dev -
7配置 GitHub 登录
在 GitHub 创建 OAuth App,回调地址填本地实例的 /api/auth/callback/github。
-
8启动应用
在 app 目录运行开发服务器,等待编译完成后即可在浏览器访问。
pnpm dev
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
OPENAI_API_KEY | 是 | 用于调用 OpenAI 模型,填入你的密钥 | sk-xxxxxxxxxxxxxxxx |
DATABASE_URL | 是 | Postgres 连接串,默认角色为 postgres | postgresql://postgres:postgres@localhost:5432/postgres |
GITHUB_CLIENT_ID | 是 | GitHub OAuth App 的 Client ID,用于登录 | Iv1.xxxxxxxxxxxx |
GITHUB_CLIENT_SECRET | 是 | GitHub OAuth App 的 Client Secret | xxxxxxxxxxxxxxxxxxxxxxxx |
GITHUB_CALLBACK_URL | 是 | GitHub OAuth 回调地址,需与 App 中设置一致 | http://localhost:3000/api/auth/callback/github |
如何确认成功
浏览器打开 http://localhost:3000,能正常显示页面并可用 GitHub 账号登录即成功。
常见问题
Q:本地能否跳过 GitHub 登录?
A:README 明确说明当前本地运行仍需要 GitHub 认证,GitHub OAuth 配置不可省略,官方也欢迎有人提交让本地认证可选的 PR。
Q:Node 版本必须 20 吗?
A:README 推荐 NodeJS 20,更早版本“很可能可用”但未经过测试,建议直接用 20 以免踩坑。
Q:数据库连接报错怎么办?
A:先确认 Postgres 已启动且已创建 postgres 角色,再检查 .env 里的 DATABASE_URL 是否与实际实例一致,必要时自行修改该地址。
Q:这个开源版本还在维护吗?
A:README 顶部说明官方已暂时停止开源版本的开发,以整合第三方专有代码,后续可能以 open core 形式重新开放部分代码。
注意事项
- 官方已暂停开源版本开发,仓库后续是否更新不确定,生产使用需谨慎评估。
- GitHub OAuth App 的回调地址必须与本地实例地址(如 http://localhost:3000)匹配,否则登录会失败。
- 若自定义了数据库账号密码或端口,务必同步修改 DATABASE_URL,不能直接沿用默认值。
- 本地默认通过 http://localhost:3000 访问,如端口被占用需自行调整启动方式。
核心亮点
- 自动采集生产环境真实提示词,省去手动整理数据集的繁琐
- 支持多种开源模型微调,模型成本可降低数十倍
- 提供模型对比评估,确保微调后质量不降级
不足之处
- 依赖外部模型API进行数据生成,仍有初始成本
- 文档/社区待观察
适用场景
- 高并发客服对话场景,降低每次查询的推理成本
- 内部工具链中重复调用大模型的任务,批量优化
- 需要低延迟响应的实时应用,微调模型比大模型更快
替代项目
LlamaIndex、LangChain、OpenAI Fine-tuning
上一篇:LLM-Finetuning
下一篇:Alpaca-CoT
同类项目推荐
AlignProp
开源
直接反向传播奖励,让扩散模型更听话,效率提升25倍
AlignProp uses direct reward backpropogation for the alignment of large-scale text-t···
LiteResearcher
开源
用强化学习训练会查资料、写长报告的深度研究智能体
[COLM 2026] A Scalable Agentic RL Training Framework for Deep Research Agent
LLaMEA
开源
让大模型自动进化出更优算法,省去手工调参。
Large Language Model Evolutionary Algorithm
FATE-LLM
开源
数据不出域,多方联合微调大模型
Federated Learning for LLMs.
TinyEngram
开源
给大模型装上长期记忆,让对话和生成更连贯
Research of DeepSeek Engram Architecture based on Qwen-3 and Stable Diffusion series···
mergekit
开源
拖拽式合并大模型,轻松融合多个模型能力
Tools for merging pretrained large language models.
ParScale
开源
并行跑多个模型,不堆参数也能提升性能
Parallel Scaling Law for Language Model — Beyond Parameter and Inference Time Scali···
DAEDAL
开源
免训练,让扩散语言模型按需生成任意长度文本
[ICLR 2026] Official repository of "Beyond Fixed: Training-Free Variable-Length Deno···
KDFlow
开源
一套配置跑通多种LLM蒸馏,小模型也能继承大模型能力
A user-friendly & efficient knowledge distillation framework for LLMs, supporting of···
