predikit

让 LLM 智能体直接调用你的 ML 模型做预测

Predikit 是一个 Python 开发框架,定位为机器学习模型与 AI 智能体之间的桥梁。它解决的核心问题是:传统 ML 模型(如 scikit-learn、XGBoost 训练的模型)通常只能通过 API 或批处理调用,难以被 LangChain、OpenAI 等 LLM 驱动的智能体直接理解和使用。Predikit 通过 Pydantic 定义统一的模型接口,将模型封装成智能体可调用的工具,让 LLM 能够像调用函数一样调用预测模型,并自动处理输入校验、类型转换和结果解析。它支持 Snowflake 等数据源,可把模型部署为服务,同时保持与现有 ML 生态兼容。核心能力包括:模型包装为工具、智能体调用预测、结构化输入输出、多模型编排,适合需要将预测能力嵌入对话或自动化流程的场景。

开源 free 开发框架
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 400
维护状态 活跃
是否开源
定价模式 free

项目数据

分类开发框架
开发团队Tejas-TA
所属国家
官网地址
定价模式free
价格说明开源免费,PyPI发布
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型agents,langchain,llm,machine-learning,model-serving,openai,pydantic,python,sklearn,snowflake,xgboost
GitHub 星标★ 400
30天Star增速
HF 下载量
上线时间2026-05-25 00:00:00
最近更新2026-09-13 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-13
浏览次数1

使用教程

核心亮点

  • 用 Pydantic 统一模型输入输出,LLM 调用时自动校验和解析,减少手写胶水代码
  • 兼容 scikit-learn、XGBoost 等常见模型,不要求重写训练流程即可接入智能体
  • 与 LangChain、OpenAI 生态集成,方便把预测能力编排进现有 Agent 工作流

不足之处

  • 项目早期,文档和示例较少,复杂模型或自定义预处理链的接入方式不够明确
  • 社区规模小,遇到问题可参考的案例和讨论有限,生产环境稳定性待验证

适用场景

  • 客服机器人根据用户历史数据调用风控模型实时判断风险等级
  • 数据分析 Agent 自动选择并调用预测模型回答业务趋势问题
  • 自动化工作流中让 LLM 编排多个 ML 模型完成多步预测任务

替代项目

LangChain、MLflow

项目介绍

predikit 是开发框架领域的开源项目,由 Tejas-TA 开发,是 2026 年新上线的项目。

它收录于开发框架分类,该分类目前共有 783 个项目,GitHub 星标数为 400。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-13。开源免费,PyPI发布。

它主要面向的使用场景是:客服机器人根据用户历史数据调用风控模型实时判断风险等级。同类可对比的替代方案包括 LangChain、MLflow。

上一篇:swytchcode-examples

下一篇:awesome-ai-harness

同类项目推荐

langchain 开源

组装 AI 应用的乐高积木,从想法到上线不换工具

The agent engineering platform.

★ 146676 2026-08-09
transformers 开源

全球最大的模型仓库全家桶,想用的模型一把抓

Transformers: the model-definition framework for state-of-the-art machine learning m···

★ 166369 2026-08-09
bruno 开源

把 API 测试当代码管理,用 Git 搞定协作与版本追踪

Opensource IDE For Exploring and Testing API's (lightweight alternative to Postman/I···

★ 47057 2026-08-12