lotus

收录理由

当你的数据管道需要在成千上万条记录上反复调用大模型，而不是每次只处理单条提示时，LOTUS 会是一个很顺手的工具。它把 LLM 调用封装成类似 DataFrame 的 map、filter、reduce 等原语，让你用自然语言描述想要的结果，剩下的批处理和调度交给它的优化器去安排。无论是做代码库扫描、对语料库进行深度研究、从非结构化文档中抽取字段，还是分析大量 agent 日志里的失败模式，它的智能体模式都特别实用——可以为每个分片启动带沙箱的工具型 agent，再把它们的发现汇总成一份答案。它和 pandas 风格的工作流衔接自然，同时很在意模型 API 的调用成本，通过批量化和优化来提升准确率并降低开销。这个项目来自斯坦福和伯克利，维护也比较活跃，对用 Python 构建 LLM 数据处理系统的团队来说，是个靠谱的选择。