superduper

Q: 为什么要给版本号加引号？

不加引号时 shell 可能把 > 当成重定向符号，写成 pip install ＂superduper-framework>=0.7.0＂ 更稳妥。

把 AI 模型直接跑在数据库上，快速搭建生产级智能应用。

开源 🏷️定价信息待确认 ✅ 目前可打开对话助手 🍴 复刻 547 🐛 待处理 36 👀 关注 42

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 5330

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

项目数据

分类对话助手

开发团队superduper-io

官网地址https://superduper.io

GitHubhttps://github.com/superduper-io/superduper

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✅ 目前可打开

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai,chatbot,data,database,distributed-ml,inference,llm-inference,llm-serving,llmops,ml,mlops,mongodb,pretrained-models,python,pytorch,rag,semantic-search,torch,transformers,vector-search

GitHub 星标★ 5330

上线时间2022-08-30 00:00:00

代码更新2025-09-01

仓库体积75.6 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

Superduper 是一个端到端的开源框架，用于构建自定义 AI 应用和智能代理。它解决了将 AI 模型（如 LLM、预训练模型）与现有数据基础设施（尤其是 MongoDB）深度集成的问题，允许开发者直接在数据库上运行推理、训练和向量搜索，而无需复制数据或构建复杂的管道。其核心能力包括：将 Python 模型封装为数据库原生操作，支持流式推理、可扩展的模型服务、向量索引与检索，以及通过声明式 API 编排多步骤 AI 工作流。框架强调生产级部署，提供监控、日志和分布式执行能力，适合从原型到生产的快速迁移。

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 ★ 5330

技术标签

ai chatbot data database inference

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。

难度：入门约 10 分钟部署方式：库/依赖 3 步

环境要求

Python 3.10 或更高版本（README 明确要求）
可用的 pip 包管理环境
根据所用数据后端准备对应的 Superduper 插件包名（README 未列出，需查官方文档）

安装与启动步骤

1确认 Python 版本

README 要求 Python 3.10+，先查看本机版本，低于 3.10 需先升级 Python。
```
python3 --version
```
2安装核心框架

安装 Superduper 核心包 superduper-framework，README 要求版本不低于 0.7.0。
```
pip install "superduper-framework>=0.7.0"
```
3安装后端插件

README 提示还需为你的数据后端安装插件，但插件包名在节选中被截断，请到官方文档确认。