OpenPipe

把贵提示词变成便宜微调模型,省下大笔API费用

开源 🏷️定价信息待确认 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 177 🐛 待处理 8 👀 关注 18
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 2840
维护状态 低维护
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

OpenPipe 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OpenPipe
定价模式🏷️定价信息待确认
价格说明定价信息待确认
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TypeScript
技术栈/模型ai,llm,llmops,prompt-engineering
GitHub 星标★ 2840
上线时间2023-06-20 00:00:00
代码更新2024-05-25
仓库体积11.9 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数6

项目介绍

OpenPipe 是一个将昂贵的大模型提示词转化为廉价微调模型的开源工具。它主要解决企业在使用 GPT-4 等高级模型时成本过高的问题,通过记录和优化提示词,自动生成高质量的训练数据集,并微调出性能相近但成本大幅降低的专用模型。核心能力包括:自动捕获生产环境的提示词和响应,清洗并构建微调数据集,支持一键微调多种开源模型(如 Llama、Mistral),并提供模型评估和对比功能。用户可以通过简单的 SDK 集成,在现有代码中无缝使用,从而在不牺牲质量的前提下显著降低推理成本和延迟。

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

使用教程

难度:进阶 约 30 分钟 部署方式:本地安装 8 步

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. 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. 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. 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. 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. 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. 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. 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. 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 postgrespostgresql://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 Secretxxxxxxxxxxxxxxxxxxxxxxxx
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···

★ 330 2026-08-09
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

★ 134 2026-10-13
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

★ 133 2026-09-15
FATE-LLM 开源

数据不出域,多方联合微调大模型

Federated Learning for LLMs.

★ 273 2026-09-16
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···

★ 1343 2026-08-09
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.

★ 7441 2026-08-09
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···

★ 486 2026-08-09
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···

★ 176 2026-08-09
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···

★ 256 2026-10-07