gorilla

让大模型学会精准调用API,连接真实世界工具

Gorilla 是一个专注于训练和评估大语言模型(LLM)函数调用(工具调用)能力的开源项目。它解决的核心问题是让 LLM 能够准确理解用户意图,并从大量 API 文档中检索和生成正确的函数调用,从而连接外部工具和数据库。项目提供了高质量的 Gorilla 数据集(涵盖 Hugging Face、TorchHub、TensorFlow Hub 等数千个 API),并提出了基于检索的微调方法(APIGen),显著提升了模型在函数调用上的准确性和鲁棒性。同时,项目还包含评估基准(Berkeley Function Calling Leaderboard),用于衡量模型在真实场景下的工具调用表现。其核心能力包括:构建大规模 API 调用数据集、微调专用模型(如 Gorilla-7B)、以及提供标准化的评估流程,帮助开发者构建更可靠的 AI 代理。

开源 unknown 对话助手
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 13038
维护状态 低维护
是否开源
定价模式 unknown

项目数据

分类对话助手
开发团队ShishirPatil
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源
开源协议Apache-2.0
主要语言Python
技术栈/模型api,api-documentation,chatgpt,claude-api,gpt-4-api,llm,openai-api,openai-functions
GitHub 星标★ 13038
30天Star增速
HF 下载量
上线时间2023-05-19 00:00:00
最近更新2026-09-22 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6

使用教程

难度:入门 约 10 分钟 部署方式:命令行工具 5 步

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. 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. 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. 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. 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. 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_keyOpenAI 兼容接口的密钥,演示服务固定填 EMPTYEMPTY
api_baseOpenFunctions 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

项目介绍

gorilla 是模型训练领域的开源项目,由 ShishirPatil 开发,2023 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(13,038)位列前 4%,在模型训练分类的 518 个项目里位列前 3%。

近 44 天,它的 GitHub 星标从 12,989 增加到 13,038,净增 49。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-22。从国内网络环境看,可直接访问。

它主要面向的使用场景是:构建能自主调用外部API的AI助手或智能体。同类可对比的替代方案包括 Toolformer、ToolLLM、OpenFunctions。

上一篇:TextRL

下一篇:Dreambooth-Stable-Diffusion

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13