lilypad 的安装和配置教程
2025-05-22 10:53:11作者:郁楠烈Hubert
项目基础介绍
lilypad 是一个开源的 LLM(Large Language Model)工程平台。它旨在帮助开发者利用大型语言模型构建应用,同时处理非确定性代码带来的挑战。该平台通过跟踪所有输入/输出对以及生成它们的代码版本,来持续评估和优化代码。lilypad 目前处于测试阶段,但它已经为开发者提供了一套强大的工具来管理和版本化他们的非确定性函数。
主要编程语言
该项目主要使用 TypeScript 和 Python 编程语言。TypeScript 提供了类型安全,而 Python 则因其简洁和易读性而被广泛使用。
关键技术和框架
- LLM(Large Language Model): lilypad 基于大型语言模型,这些模型可以理解和生成人类语言。
- 版本控制: 平台能够对非确定性函数进行版本控制,确保每次执行都能获得可追溯的结果。
- prompt-engineering: 提供了一套工具来设计和优化与 LLM 交互的 prompts。
安装和配置准备工作
在开始安装 lilypad 之前,您需要做一些准备工作:
- 安装 Node.js: Lilypad 需要 Node.js 环境来运行。
- 安装 Python: Python 是运行 lilypad 的另一个关键要求。
- 创建虚拟环境: 为了避免依赖冲突,建议在虚拟环境中安装 Python 包。
- 设置环境变量: 您需要设置一些环境变量来存储 lilypad 和其他服务的密钥。
安装步骤
以下是详细的安装步骤:
-
克隆仓库:
git clone https://github.com/Mirascope/lilypad.git cd lilypad -
安装依赖:
对于 Python 依赖,您可以使用以下命令安装:
pip install -r requirements.txt对于 Node.js 依赖,运行以下命令:
npm install -
配置环境变量:
在项目根目录下创建一个
.env文件,并添加以下内容:LILYPAD_PROJECT_ID=your_project_id LILYPAD_API_KEY=your_api_key OPENAI_API_KEY=your_openai_api_key替换
your_project_id,your_api_key和your_openai_api_key为您从 lilypad 平台和 OpenAI 获取的实际凭证。 -
运行 lilypad:
使用以下命令启动 lilypad 服务:
npm start如果一切设置正确,lilypad 应该会启动并运行。
通过以上步骤,您应该能够成功安装和配置 lilypad。如果您遇到任何问题,可以查看官方文档或向社区寻求帮助。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0174
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook099
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook04
inference通过更改一行代码,您可以在应用程序中用另一个大型语言模型(LLM)替换OpenAI GPT。Xinference赋予您使用任何所需LLM的自由。借助Xinference,您能够在云端、本地、甚至笔记本电脑上运行任何开源语言模型、语音识别模型和多模态模型的推理。Python02
项目优选
收起
暂无描述
Dockerfile
750
4.89 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
843
1.85 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
642
1.27 K
Ascend Extension for PyTorch
Python
693
840
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
452
422
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.02 K
1.05 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.61 K
174
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
961
565
昇腾LLM分布式训练框架
Python
174
214
暂无简介
Dart
999
253