AdalFlow

用数据驱动自动优化提示词，快速构建高性能 LLM 应用。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署对话助手 🍴 复刻 391 🐛 待处理 75 👀 关注 21

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 4229

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源库，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类对话助手

开发团队SylphAI-Inc

官网地址http://adalflow.sylph.ai

GitHubhttps://github.com/SylphAI-Inc/AdalFlow

定价模式🏷️完全免费

价格说明开源库，MIT许可证，完全免费，可自行部署使用。

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MIT

主要语言Python

技术栈/模型agent,ai,auto-prompting,bm25,chatbot,faiss,framework,generative-ai,information-retrieval,llm,machine-learning,nlp,optimizer,python,question-answering,rag,reranker,retriever,summarization,trainer

GitHub 星标★ 4229

上线时间2024-04-19 00:00:00

代码更新2026-11-01

仓库体积118.7 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数9

项目介绍

AdalFlow 是一个用于构建和自动优化大语言模型（LLM）应用的开源 Python 库。它旨在解决 LLM 应用开发中提示词调试繁琐、流程编排复杂以及性能调优困难的问题。核心能力包括：提供统一的任务抽象，支持对话、问答、检索增强生成（RAG）等常见场景；内置自动提示优化引擎，可基于数据集和评估指标自动改进提示词；支持与主流 LLM（如 OpenAI、Anthropic）和向量数据库（如 FAISS、BM25）无缝集成；提供简洁的 API 和模块化设计，便于开发者快速搭建原型并迭代。AdalFlow 强调可复现性和可观测性，帮助开发者从手动调参转向数据驱动的自动化优化，显著提升 LLM 应用的开发效率和最终质量。

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 ★ 4229

技术标签

agent ai bm25 chatbot faiss

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 5 步

环境要求

已安装 Python 环境（README 未限定具体版本）
已安装 pip 包管理工具
网络可访问 PyPI 以下载 adalflow 包

安装与启动步骤

1检查 Python 环境

确认本机已装好 Python 与 pip，能在终端执行 pip 命令；README 未限定 Python 版本。
```
python --version
pip --version
```
2安装 AdalFlow

README 的 Quick Start 给出的唯一安装方式，直接用 pip 从 PyPI 安装 adalflow 包。
```
pip install adalflow
```
3验证库可导入

安装完成后先确认库能被 Python 正常导入，避免后续示例因依赖缺失报错。
```
python -c "import adalflow; print(adalflow.__file__)"
```
4运行 README 示例

README 给出的同步调用示例：由 runner 执行并返回携带完整执行历史的 RunnerResult，取 result.answer 输出。注意 runner 对象需按官方文档先行构建。
```
result = runner.call(
    prompt_kwargs={"input_str": "Calculate 15 * 7 + 23 and count to 5"}
)

print(result.answer)
```
5查阅完整文档

安装只是第一步，模型接入、检索器与自动优化等配置需按官网文档继续配置。