llmflows

像画流程图一样构建 LLM 应用，每一步都清晰可控。

LLMFlows 是一个用于构建大型语言模型（LLM）应用的 Python 框架，强调简单、明确和透明。它解决了 LLM 应用开发中常见的复杂性和不可控性问题，通过提供显式的数据流图和清晰的执行流程，让开发者能够精确控制提示词、模型调用和输出处理。核心能力包括：基于数据流的应用编排，支持链式调用和并行执行；内置提示词模板和变量管理；提供详细的执行日志和调试信息，增强应用的可观测性；支持与主流 LLM（如 OpenAI）集成，并预留了扩展接口。它适合需要精细控制 LLM 行为的开发者，帮助构建可维护、可测试的 LLM 应用。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 707

维护状态低维护

是否开源是

定价模式 free

项目数据

分类基础设施

开发团队stoyan-stoyanov

所属国家

官网地址

GitHubhttps://github.com/stoyan-stoyanov/llmflows

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai,chatgpt,gpt-4,llm,llm-inference,llmops,llms,machine-learning,openai,prompt-engineering,python,question-answering,vector-database

GitHub 星标★ 707

30天Star增速

HF 下载量

上线时间2023-06-26 00:00:00

最近更新2026-09-23 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3

使用教程

核心亮点

显式数据流设计，应用逻辑一目了然，易于调试和维护
内置提示词模板与变量管理，减少重复代码
提供详细执行日志，方便追踪每次 LLM 调用

不足之处

项目早期，文档和社区生态待完善
主要支持 OpenAI，其他模型集成需自行扩展

适用场景

需要精细控制提示词和模型调用的 LLM 应用开发
构建多步骤、可观测的 LLM 工作流（如数据处理、内容生成）
教学或原型验证，快速搭建清晰的 LLM 应用结构

替代项目

LangChain、LlamaIndex、Haystack

项目介绍

llmflows 是开发框架领域的开源项目，由 stoyan-stoyanov 开发，2023 年首次发布。

它收录于开发框架分类，该分类目前共有 803 个项目，GitHub 星标数为 707。

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 2026-09-23。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：需要精细控制提示词和模型调用的LLM应用开发。同类可对比的替代方案包括 LangChain、LlamaIndex、Haystack。

上一篇：geniusrise

下一篇：sugarcane-ai