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 ★ 13065
技术标签
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。
环境要求
- 已安装 Python 与 pip(README 未指定版本)
- 可访问 GitHub 与 PyPI 的网络环境
- 如需本地推理,需克隆完整仓库并参考 inference 目录说明
- 调用 OpenFunctions 演示服务需要能访问该服务地址
安装与启动步骤
-
1安装 Gorilla CLI
README 称这是最快的上手方式,用 pip 安装 Gorilla 命令行工具,建议在虚拟环境中执行以免污染全局环境。
pip install gorilla-cli -
2试用 CLI 生成
用自然语言描述需求,交给 Gorilla CLI 执行。README 示例是把 100 个随机字符写入 test.txt 文件。
gorilla generate 100 random characters into a file called test.txt -
3克隆 Gorilla 仓库
想本地跑 Gorilla 先拉取源码,README 给出的仓库地址为 ShishirPatil/gorilla。
git clone https://github.com/ShishirPatil/gorilla.git -
4进入推理目录
克隆完成后进入 inference 目录,README 在此指向本地部署的详细说明文档,后续步骤需按该文档继续。
cd gorilla/inference -
5调用 OpenFunctions
用 OpenAI SDK 把接口地址指向项目提供的演示服务。注意 README 只给出这两行,后续调用代码被截断,需自行补全。
import openai openai.api_key = "EMPTY" openai.api_base = "http://luigi.millennium.berkeley.edu:8000/v1"
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
api_key | 否 | OpenAI 兼容接口的密钥,演示服务固定填 EMPTY | EMPTY |
api_base | 是 | OpenFunctions 演示服务的接口地址 | http://luigi.millennium.berkeley.edu:8000/v1 |
如何确认成功
执行 gorilla generate 后当前目录出现 test.txt,即说明 CLI 安装成功可用。
常见问题
Q:不想本地安装,能直接体验吗?
A:可以。README 提供 Gorilla Colab Demo、Gradio 网页 Demo 以及 OpenFunctions 在线 Demo,浏览器打开即可试用,无需配置本地环境。
Q:本地运行 Gorilla 的完整步骤在哪?
A:README 指向 /gorilla/inference/README.md,依赖安装与模型下载都在该文档中,本页只覆盖克隆仓库和进入 inference 目录这两步。
Q:OpenFunctions 的代码示例为什么不完整?
A:README 节选中只保留了 api_key 与 api_base 两行,缺少后续的调用与补全代码,请以官方文档或仓库内示例为准。
Q:怎么对比不同模型的函数调用能力?
A:使用 Berkeley Function Calling Leaderboard,README 同时给出在线榜单链接和本地评估脚本目录,可自行跑评测。
注意事项
- README 未给出 Python 版本、依赖清单和端口信息,安装前请先确认本机已有 Python 与 pip。
- pip 安装的 gorilla-cli 是独立 CLI 项目,与克隆仓库后的本地推理不是同一套流程,不要混用。
- 示例中的模型服务地址是公共演示服务,稳定性不保证,生产使用需自行部署模型服务。
核心亮点
- 提供大规模高质量API调用数据集,覆盖数千个真实API,训练数据扎实
- 提出APIGen检索微调方法,显著提升函数调用准确率,优于GPT-4
- 配套Berkeley函数调用排行榜,可客观对比不同模型的工具调用能力
不足之处
- 项目主要聚焦于API调用场景,对非工具类对话能力覆盖有限
- 文档偏学术化,社区互动和快速上手指南相对薄弱
适用场景
- 构建能自主调用外部API的AI助手或智能体
- 在RAG系统中增强模型对结构化工具的选择与参数生成
- 评估和比较不同LLM在函数调用任务上的表现
替代项目
Toolformer、ToolLLM、OpenFunctions
上一篇:TextRL
同类项目推荐
RLCSD
开源
用对比自蒸馏强化 RL 训练,让策略更稳更高效
Source code of paper "RLCSD: Reinforcement Learning with Contrastive On-Policy Self-···
hyper-parallel
开源
让大模型训练任务贴着超节点跑,减少跨域通信损耗
A SuperPod-Affinity Training Acceleration Framework.
FedKTL
开源
用服务端预训练生成器,让异构联邦学习上传更少、效果更好。
CVPR 2024 accepted paper, An Upload-Efficient Scheme for Transferring Knowledge From···
BlaGPT
开源
小数据集上快速对比语言模型架构与技巧
Experimental playground for benchmarking language model (LM) architectures, layers, ···
amazon-sagemaker-examples
开源
照着跑一遍,轻松上手 AWS 机器学习全流程
Example Jupyter notebooks that demonstrate how to build, train, and deploy machine ···
self-refine
开源
让大模型自己挑错改错,越改越好
LLMs can generate feedback on their work, use it to improve the output, and repeat t···
dpm-solver
开源
10步内完成扩散模型采样,图像生成提速数倍
Official code for "DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model S···
OneGen
开源
一次前向传播,边生成边检索,让 LLM 知识问答更快更准。
[EMNLP 2024] OneGen: Efficient One-Pass Unified Generation and Retrieval for LLMs.
LongCodeZip
开源
压缩长代码上下文,让模型轻松处理超长代码
LongCodeZip: Compress Long Context for Code Language Models [ASE2025]
