Kiln-AI/Kiln

构建、评估和优化 AI 系统

Kiln 是一款免费应用，提供构建更好 AI 产品所需的一切

Evals & Specs • Prompt Optimizer • RAG • Agents • Fine Tuning • Synthetic Data • All Docs

## 主要功能 - 🚀 [**直观的桌面应用**](https://kiln.tech/download): 适用于 Windows、MacOS 和 Linux 的一键式应用。 - 📊 [**评估**](https://docs.kiln.tech/docs/evaluations): 使用最先进的评估器评估您的模型/任务的质量。 - 📈 [**优化器**](https://docs.kiln.tech/docs/optimizers): 为您的任务找到最佳的 prompt、模型或微调。提高质量并降低成本。 - 🎛️ [**微调**](https://docs.kiln.tech/docs/fine-tuning-guide): 针对 Qwen、GPT、Gemini 等模型的零代码微调。模型的自动无服务器部署。 - 🔍 [**文档与搜索**](https://docs.kiln.tech/docs/documents-and-search-rag): 利用检索增强生成 (RAG) 为您的 AI 系统添加知识。 - 🤖 [**智能体**](https://docs.kiln.tech/docs/agents): 构建具有多个角色的智能体系统 - 🛠 [**工具与 MCP**](https://docs.kiln.tech/docs/tools-and-mcp): 将强大的工具连接到您的 Kiln 任务 - 🪄 [**合成数据生成**](https://docs.kiln.tech/docs/synthetic-data-generation): 使用我们的交互式可视化工具生成评估数据集或微调数据。 - 🧠 [**推理模型**](https://docs.kiln.tech/docs/guide-train-a-reasoning-model): 训练或蒸馏您自己的自定义推理模型。 - 📝 [**Prompt 生成**](https://docs.kiln.tech/docs/prompts): 自动生成 prompt，包括思维链、少样本 和多样本 等。 - 🌐 [**全面的模型支持**](https://kiln.tech/model_library): 省去猜测的烦恼——我们已经测试了 100 多种模型的能力。通过 Ollama、OpenAI、OpenRouter、Fireworks、Groq、AWS、任何兼容 OpenAI 的 API 等使用任何模型。 - 🤝 [**团队协作**](https://docs.kiln.tech/docs/collaboration): 基于 Git 的 AI 数据集版本控制。直观的 UI 使与 QA、PM 和主题专家在数据样本、评估、prompt、评分和问题上进行协作变得容易。 - 🗃️ [**结构化数据**](https://docs.kiln.tech/docs/structured-data-json): 构建“说” JSON 的 AI 任务。 - 🧑‍💻 **开源 [库](https://docs.kiln.tech/developers/python-library-quickstart) 和 [API](https://docs.kiln.tech/developers/rest-api)**: 我们的 Python 库和 OpenAPI REST API 均采用 MIT 开源协议。 - 🔒 [**隐私优先**](https://docs.kiln.tech/docs/privacy): Kiln 在您的本地计算机上运行。我们无法访问您的数据。自带 API 密钥或使用 Ollama。 - 📚 [**优秀的文档**](https://docs.kiln.tech): 易于遵循的视频指南，对初学者友好，并为高级用户提供深度内容。 - 💰 **免费**: 我们的应用是免费的，我们的库是开源的。 ## 衡量、改进、重复 通过迭代构建更好的 AI 系统。Kiln 将评估和优化结合在一起，使每一次更改都可衡量——每一次迭代都让您向前迈进。 ## 演示 [观看 Kiln 的 2 分钟概览](https://kiln.tech#demo) 或我们的 [端到端项目演示 (20 分钟)](https://docs.kiln.tech/docs/end-to-end-project-demo)。 ## 我们社区的成员就职于 _{这些公司的员工已注册 Kiln、在 GitHub 上为 Kiln 加星或加入了我们的 Discord。} ## 下载 Kiln 桌面应用 适用于 MacOS、Windows 和 Linux。 [](https://kiln.tech/download) ## 文档与指南 Kiln 非常直观，因此我们建议启动桌面应用并直接上手。但是，如果您有任何问题或想了解更多信息，我们的[文档随时为您提供帮助](https://docs.kiln.tech)。 ### 视频指南 - [微调 LLM 模型](https://docs.kiln.tech/docs/fine-tuning-guide) - [指南：训练推理模型](https://docs.kiln.tech/docs/guide-train-a-reasoning-model) - [LLM 评估器](https://docs.kiln.tech/docs/evaluators) - [端到端项目演示](https://docs.kiln.tech/docs/end-to-end-project-demo) - [工具 101：工具与 MCP 简介](https://docs.kiln.tech/docs/tools-and-mcp) ### 所有文档 - [快速开始](https://docs.kiln.tech/getting-started/quickstart) - [如何在 Kiln 中使用任何 AI 模型或提供商](https://docs.kiln.tech/docs/models-and-ai-providers) - [文档与搜索工具](https://docs.kiln.tech/docs/documents-and-search-rag) - [智能体](https://docs.kiln.tech/docs/agents) - [工具与 MCP](https://docs.kiln.tech/docs/tools-and-mcp) - [推理与思维链](https://docs.kiln.tech/docs/reasoning-and-chain-of-thought) - [合成数据生成](https://docs.kiln.tech/docs/synthetic-data-generation) - [使用 Kiln 协作](https://docs.kiln.tech/docs/collaboration) - [评分和标记数据](https://docs.kiln.tech/docs/reviewing-and-rating) - [Prompt 风格](https://docs.kiln.tech/docs/prompts) - [结构化数据 / JSON](https://docs.kiln.tech/docs/structured-data-json) - [组织 Kiln 数据集（标签和过滤器）](https://docs.kiln.tech/docs/organizing-datasets) - [我们的数据模型](https://docs.kiln.tech/docs/kiln-datamodel) - [修复响应](https://docs.kiln.tech/docs/repairing-responses) - [键盘快捷键](https://docs.kiln.tech/docs/keyboard-shortcuts) - [隐私概述：默认私有](https://docs.kiln.tech/docs/privacy) 对于开发者，请参阅我们的 [Kiln Python 库文档](https://kiln-ai.github.io/Kiln/kiln_core_docs/kiln_ai.html)。其中包括如何将数据集加载到 Kiln，或在您自己的代码库/笔记本中使用 Kiln 数据集。 ## 构建与工具 | | | | ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | CI | [](https://github.com/Kiln-AI/kiln/actions/workflows/build_and_test.yml) [](https://github.com/Kiln-AI/kiln/actions/workflows/format_and_lint.yml) [](https://github.com/Kiln-AI/kiln/actions/workflows/build_desktop.yml) [](https://github.com/Kiln-AI/kiln/actions/workflows/web_format_lint_build.yml) | | Tests | [](https://github.com/Kiln-AI/kiln/actions/workflows/test_count.yml) [](https://github.com/Kiln-AI/kiln/actions/workflows/test_count.yml) | | Package | [](https://pypi.org/project/kiln-ai/) [](https://pypi.org/project/kiln-ai/) | | Meta | [](https://github.com/astral-sh/uv) [](https://github.com/astral-sh/ruff) [](https://github.com/microsoft/pyright) [](https://kiln-ai.github.io/Kiln/kiln_core_docs/index.html) | | Apps | [](https://kiln.tech/download) [](https://kiln.tech/download) [](https://kiln.tech/download)  | | Connect | [](https://kiln.tech/discord) [](https://kiln.tech/blog) | ## Python 库 [](https://pypi.org/project/kiln-ai/) [](https://kiln-ai.github.io/Kiln/kiln_core_docs/index.html) 我们的开源 [python 库](https://pypi.org/project/kiln-ai/) 允许您将 Kiln 数据集集成到您自己的工作流中，构建微调模型，在 Notebooks 中使用 Kiln，构建自定义工具等等！[阅读文档](https://kiln-ai.github.io/Kiln/kiln_core_docs/index.html) 以获取示例。 ``` pip install kiln-ai ``` ## 了解更多 ### 快速原型设计 新的模型和技术层出不穷。Kiln 让您可以轻松尝试各种方法，只需点击几下即可进行比较，而无需编写代码。这可以带来更高的质量和改进的性能。 我们目前支持： - 各种 prompt 技术：基础、少样本、多样本、修复与反馈 - 思维链/思考，带有可选的自定义“思考”指令 - 许多模型：GPT、Llama、Claude、Gemini、Mistral、Gemma、Phi - 微调：使用您的 Kiln 数据集创建自定义模型 - 使用 LLM-as-Judge 和 G-Eval 进行评估 - 蒸馏模型 在未来，我们计划添加更强大的无代码选项，如 RAG。对于经验丰富的数据科学家，您今天就可以使用 Kiln 数据集和我们的 Python 库创建这些技术。 ### 跨技术和非技术团队协作 在构建 AI 产品时，通常有一位了解您要解决的问题的主题专家，以及一个负责构建模型的不同技术团队。Kiln 作为一种协作工具弥合了这一差距。 主题专家可以使用我们直观的桌面应用来生成结构化数据集和评分，而无需编码或使用技术工具。无需命令行或 GPU。 数据科学家可以使用 UI 消费主题专家创建的数据集，或者使用我们的 python 库进行深入研究。 QA 和 PM 可以更早地轻松识别问题，并帮助生成在模型层修复问题所需的数据集内容。 数据集文件格式旨在与 Git 一起使用，以实现强大的协作和归属。许多人可以并行贡献；使用 UUID 避免冲突，并且归属信息被捕获在数据集文件中。您甚至可以在共享驱动器上共享数据集，让完全非技术的团队成员贡献数据和评估，而无需了解 Git。 ### 利用数据集构建高质量的 AI 产品 产品自然不会有“数据集”，但 Kiln 帮助您创建一个。每次使用 Kiln 时，我们都会捕获输入、输出、人工评分、反馈以及为产品中构建高质量模型所需的修复。您使用得越多，拥有的数据就越多。 我们的合成数据生成工具可以在几分钟内为评估和微调构建数据集。 随着数据集的增长，通过为模型提供更多高质量内容（和错误）的示例，您的模型质量会自动提高。如果您的产品目标发生变化或发现新的错误（几乎总是如此），您可以轻松迭代数据集以解决问题。 ## 贡献与开发 请参阅 [CONTRIBUTING.md](CONTRIBUTING.md) 了解如何设置开发环境并为 Kiln 做出贡献。 ## 引用 ``` @software{kiln_ai, title = {Kiln: Rapid AI Prototyping and Dataset Collaboration Tool}, author = {{Chesterfield Laboratories Inc.}}, year = {2025}, url = {https://github.com/Kiln-AI/Kiln}, version = {latest} } ``` ## 许可证与商标 包含我们核心功能的 Kiln 库是完全开源的 (MIT)，而 Kiln 桌面应用是免费使用的、源代码可用的，并且将来可能会向企业授权。 为什么？我们的目标是让 Kiln 公平且可持续： - Kiln 对个人使用始终免费。 - 使用 Kiln Desktop 的大型营利性公司将来可能需要许可证，但目前是免费的。 - 这是基于 [公平代码模式](https://faircode.io) 的概念，旨在使 Kiln 可持续（根据 Kiln 是应用而非服务进行了调整）。 开放库和数据格式： - Kiln 的 MIT OSS 库包含 Kiln 的所有核心逻辑。它可以做应用能做的任何事情，只是没有前端/UI。 - Kiln 的数据格式是开放的。您拥有并控制您的数据集，我们无法访问它们。数据采用 JSON 格式，以实现最大的兼容性，确保零锁定。 **许可证** - Python 库（核心逻辑/功能）：[MIT License](libs/core/LICENSE.txt) - Python 服务器 (REST API)：[MIT License](libs/server/LICENSE.txt) - 桌面应用：免费下载和使用。100% [源代码可用](app)，并提供公开构建以实现最大透明度。 **商标**：Kiln 名称和徽标是 Chesterfield Laboratories Inc. 的商标。 Copyright 2024 - Chesterfield Laboratories Inc.

标签：AI代理, AI开发平台, Apex, Evals, Fine-tuning, LLM, MCP, NLP, Prompt Optimizer, RAG, RESTful API, Synthetic Data, Unmanaged PE, 人工智能, 合成数据, 大模型, 微调, 提示词优化, 数据生成, 数据集管理, 机器学习, 检索增强生成, 模型上下文协议, 模型训练, 模型评估, 模型部署, 用户模式Hook绕过, 网络安全研究, 逆向工具