[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Kiln-AI--Kiln":3,"tool-Kiln-AI--Kiln":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",144730,2,"2026-04-07T23:26:32",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":113,"forks":114,"last_commit_at":115,"license":116,"difficulty_score":117,"env_os":118,"env_gpu":119,"env_ram":120,"env_deps":121,"category_tags":126,"github_topics":128,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":149,"updated_at":150,"faqs":151,"releases":152},5394,"Kiln-AI\u002FKiln","Kiln","Build, Evaluate, and Optimize AI Systems. Includes evals, RAG, agents, fine-tuning, synthetic data generation, dataset management, MCP, and more.","Kiln 是一款免费的桌面应用，旨在帮助用户轻松构建、评估和优化各类 AI 系统。它解决了开发过程中模型效果难量化、提示词调试繁琐、数据准备成本高以及微调部署门槛高等痛点，让打造高质量 AI 产品变得像搭积木一样直观。\n\n无论是希望快速验证想法的开发者、需要严谨实验数据的研究人员，还是想要定制专属智能助手的企业团队，都能通过 Kiln 获得得力支持。其核心亮点在于“零代码”体验：用户无需编写复杂程序，即可利用内置的先进评估器（Evals）测试模型表现，通过自动优化器寻找最佳提示词或模型组合。此外，Kiln 还支持一键微调主流大模型（如 Qwen、GPT 等）并自动部署，提供可视化的合成数据生成工具以解决数据匮乏难题，并能轻松集成 RAG（检索增强生成）与智能体（Agents）工作流。配合对百余种模型的广泛兼容及基于 Git 的团队协作功能，Kiln 让每个人都能更高效地释放 AI 潜力。","\u003Cp align=\"center\">\n    \u003Ca href=\"https:\u002F\u002Fkiln.tech\">\n        \u003Cpicture>\n            \u003Cimg width=\"205\" alt=\"Kiln AI Logo\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_12309fd7b608.png\">\n        \u003C\u002Fpicture>\n    \u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Ch3 align=\"center\">\n  Build, Evaluate, and Optimize AI Systems\n\u003C\u002Fh3>\n\n\u003Cp align=\"center\">\n  Kiln is a free app with everything you need to build better AI products\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fevals-and-specs\">\u003Cstrong>Evals & Specs\u003C\u002Fstrong>\u003C\u002Fa> • \n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fprompts\u002Fautomatic-prompt-optimizer\">\u003Cstrong>Prompt Optimizer\u003C\u002Fstrong>\u003C\u002Fa> • \n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fdocuments-and-search-rag\">\u003Cstrong>RAG\u003C\u002Fstrong>\u003C\u002Fa> • \n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fagents\">\u003Cstrong>Agents\u003C\u002Fstrong>\u003C\u002Fa> • \n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ffine-tuning-guide\">\u003Cstrong>Fine Tuning\u003C\u002Fstrong>\u003C\u002Fa> •\n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fsynthetic-data-generation\">\u003Cstrong>Synthetic Data\u003C\u002Fstrong>\u003C\u002Fa> • \n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\">\u003Cstrong>All Docs\u003C\u002Fstrong>\u003C\u002Fa>\n\u003C\u002Fp>\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_and_test.yml\">\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_and_test.yml\u002Fbadge.svg\" alt=\"Build and Test\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Ftest_count.yml\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fgist.githubusercontent.com\u002Fscosman\u002F57742c1b1b60d597a6aba5d5148d728e\u002Fraw\u002Ftest_count_kiln.json\" alt=\"Test Count Badge\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fkiln.tech\u002Fdiscord\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Kiln_AI-blue?logo=Discord&logoColor=white\" alt=\"Discord\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fkiln.tech\u002Fblog\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FNewsletter-subscribe-blue?logo=mailboxdotorg&logoColor=white\" alt=\"Newsletter\">\u003C\u002Fa>\n\u003C\u002Fp>\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fkiln.tech\u002Fdownload\">\u003Cimg width=\"180\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_b6f6c42d9fbc.png\" alt=\"Download Button\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fgetting-started\u002Fquickstart\">\u003Cimg width=\"180\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_65650adf98fa.png\" alt=\"Quickstart Button\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n## Key Features\n\n- 🚀 [**Intuitive Desktop Apps**](https:\u002F\u002Fkiln.tech\u002Fdownload): One-click apps for Windows, MacOS, and Linux.\n- 📊 [**Evals**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fevaluations): Evaluate the quality of your models\u002Ftasks using state of the art evaluators.\n- 📈 [**Optimizers**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Foptimizers): Find the best prompt, model or fine-tune for your task. Improve quality and lower costs.\n- 🎛️ [**Fine Tuning**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ffine-tuning-guide): Zero-code fine-tuning for Qwen, GPT, Gemini, and many more. Automatic serverless deployment of models.\n- 🔍 [**Docs & Search (RAG)**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fdocuments-and-search-rag): Add knowledge to your AI systems with Retrieval-Augmented Generation (RAG).\n- 🤖 [**Agents**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fagents): Build agentic systems with multiple actors\n- 🛠 [**Tools & MCP**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ftools-and-mcp): Connect powerful tools to your Kiln tasks\n- 🪄 [**Synthetic Data Generation**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fsynthetic-data-generation): Generate eval datasets or fine-tuning data with our interactive visual tooling.\n- 🧠 [**Reasoning Models**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fguide-train-a-reasoning-model): Train or distill your own custom reasoning models.\n- 📝 [**Prompt Generation**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fprompts): Automatically generate prompts including chain-of-thought, few-shot, and multi-shot, and more.\n- 🌐 [**Comprehensive Model Support**](https:\u002F\u002Fkiln.tech\u002Fmodel_library): Skip the guesswork — we've tested over 100 models' capabilities. Use any model via Ollama, OpenAI, OpenRouter, Fireworks, Groq, AWS, any OpenAI compatible API, and more.\n- 🤝 [**Team Collaboration**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fcollaboration): Git-based version control for your AI datasets. Intuitive UI makes it easy to collaborate with QA, PM, and subject matter experts on data samples, evals, prompts, ratings and issues.\n- 🗃️ [**Structured Data**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fstructured-data-json): Build AI tasks that speak JSON.\n- 🧑‍💻 **Open-Source [Library](https:\u002F\u002Fdocs.kiln.tech\u002Fdevelopers\u002Fpython-library-quickstart) and [API](https:\u002F\u002Fdocs.kiln.tech\u002Fdevelopers\u002Frest-api)**: Our Python library and OpenAPI REST API are MIT open source.\n- 🔒 [**Privacy-First**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fprivacy): Kiln runs locally on your computer. We can't access your data. Bring your own API keys or use Ollama.\n- 📚 [**Awesome Docs**](https:\u002F\u002Fdocs.kiln.tech): easy-to-follow video guides, approachable for beginners, and depth for advanced users.\n- 💰 **Free**: Our apps are free and our library is open-source.\n\n## Measure, Improve, Repeat\n\nBuild better AI systems through iteration. Kiln brings evals and optimization together so every change is measurable—and every iteration moves you forward.\n\n\u003Cimg width=\"600\" height=\"263\" alt=\"kiln_optimization\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_f7c4184dad3f.png\" \u002F>\n\n## Demo\n\n[Watch a 2 minute overview of Kiln](https:\u002F\u002Fkiln.tech#demo) or our [end to end project demo (20 minutes)](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fend-to-end-project-demo).\n\n\u003Ckbd>\n\u003Ca href=\"https:\u002F\u002Fkiln.tech#demo\">\n\u003Cimg alt=\"Kiln Preview\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_bfaa30006eb0.gif\">\n\u003C\u002Fa>\n\u003C\u002Fkbd>\n\n## People in Our Community Work For\n\n\u003Cimg width=\"600\" alt=\"Logo Grid\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_28754814fd56.png\" \u002F>\n\n\u003Csub>People from these companies have registered for Kiln, starred Kiln on GitHub, or joined our Discord.\u003C\u002Fsub>\n\n## Download Kiln Desktop Apps\n\nAvailable on MacOS, Windows and Linux.\n\n[\u003Cimg width=\"180\" alt=\"Download button\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_b6f6c42d9fbc.png\">](https:\u002F\u002Fkiln.tech\u002Fdownload)\n\n## Docs & Guides\n\nKiln is quite intuitive, so we suggest launching the desktop app and diving in. However if you have any questions or want to learn more, our [docs are here to help](https:\u002F\u002Fdocs.kiln.tech).\n\n### Video Guides\n\n- [Fine Tuning LLM Models](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ffine-tuning-guide)\n- [Guide: Train a Reasoning Model](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fguide-train-a-reasoning-model)\n- [LLM Evaluators](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fevaluators)\n- [End to End Project Demo](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fend-to-end-project-demo)\n- [Tools 101: Intro to Tools & MCP](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ftools-and-mcp)\n\n### All Docs\n\n- [Quick Start](https:\u002F\u002Fdocs.kiln.tech\u002Fgetting-started\u002Fquickstart)\n- [How to use any AI model or provider in Kiln](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fmodels-and-ai-providers)\n- [Documents & Search Tools (RAG)](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fdocuments-and-search-rag)\n- [Agents](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fagents)\n- [Tools & MCP](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ftools-and-mcp)\n- [Reasoning & Chain of Thought](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Freasoning-and-chain-of-thought)\n- [Synthetic Data Generation](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fsynthetic-data-generation)\n- [Collaborating with Kiln](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fcollaboration)\n- [Rating and Labeling Data](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Freviewing-and-rating)\n- [Prompt Styles](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fprompts)\n- [Structured Data \u002F JSON](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fstructured-data-json)\n- [Organizing Kiln Datasets (Tags and Filters)](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Forganizing-datasets)\n- [Our Data Model](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fkiln-datamodel)\n- [Repairing Responses](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Frepairing-responses)\n- [Keyboard Shortcuts](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fkeyboard-shortcuts)\n- [Privacy Overview: Private by Design](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fprivacy)\n\nFor developers, see our [Kiln Python Library Docs](https:\u002F\u002Fkiln-ai.github.io\u002FKiln\u002Fkiln_core_docs\u002Fkiln_ai.html). These include how to load datasets into Kiln, or using Kiln datasets in your own code-base\u002Fnotebooks.\n\n## Build & Tools\n\n|         |                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    |\n| ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n| CI      | [![Build and Test](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_and_test.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_and_test.yml) [![Format and Lint](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fformat_and_lint.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fformat_and_lint.yml) [![Desktop Apps Build](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_desktop.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_desktop.yml) [![Web UI Build](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fweb_format_lint_build.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fweb_format_lint_build.yml)                                                                                                           |\n| Tests   | [![Test Count Badge](https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fgist.githubusercontent.com\u002Fscosman\u002F57742c1b1b60d597a6aba5d5148d728e\u002Fraw\u002Ftest_count_kiln.json)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Ftest_count.yml) [![Test Coverage Badge](https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fgist.githubusercontent.com\u002Fscosman\u002F57742c1b1b60d597a6aba5d5148d728e\u002Fraw\u002Flibrary_coverage_kiln.json)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Ftest_count.yml)                                                                                                                                                                                                                                                                                                                                                       |\n| Package | [![PyPI - Version](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fkiln-ai.svg?logo=pypi&label=PyPI&logoColor=gold)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fkiln-ai\u002F) [![PyPI - Python Version](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fpyversions\u002Fkiln-ai.svg?logo=python&label=Python&logoColor=gold)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fkiln-ai\u002F)                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    |\n| Meta    | [![uv](https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fraw.githubusercontent.com\u002Fastral-sh\u002Fuv\u002Fmain\u002Fassets\u002Fbadge\u002Fv0.json)](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv) [![linting - Ruff](https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fraw.githubusercontent.com\u002Fastral-sh\u002Fruff\u002Fmain\u002Fassets\u002Fbadge\u002Fv2.json)](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fruff) [![types - Pyright](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftypes-pyright-blue.svg)](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpyright) [![Docs](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-pdoc-blue)](https:\u002F\u002Fkiln-ai.github.io\u002FKiln\u002Fkiln_core_docs\u002Findex.html)                                                                                                                                                                                                                                                                     |\n| Apps    | [![MacOS](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMacOS-black?logo=apple)](https:\u002F\u002Fkiln.tech\u002Fdownload) [![Windows](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWindows-0067b8.svg?logo=data:image\u002Fsvg%2bxml;base64,PD94bWwgdmVyc2lvbj0iMS4wIiBlbmNvZGluZz0idXRmLTgiPz4KPHN2ZyBmaWxsPSIjZmZmIiB2aWV3Qm94PSIwIDAgMzIgMzIiIHZlcnNpb249IjEuMSIgeG1sbnM9Imh0dHA6Ly93d3cudzMub3JnLzIwMDAvc3ZnIj4KPHBhdGggZD0iTTE2Ljc0MiAxNi43NDJ2MTQuMjUzaDE0LjI1M3YtMTQuMjUzek0xLjAwNCAxNi43NDJ2MTQuMjUzaDE0LjI1NnYtMTQuMjUzek0xNi43NDIgMS4wMDR2MTQuMjU2aDE0LjI1M3YtMTQuMjU2ek0xLjAwNCAxLjAwNHYxNC4yNTZoMTQuMjU2di0xNC4yNTZ6Ij48L3BhdGg+Cjwvc3ZnPg==)](https:\u002F\u002Fkiln.tech\u002Fdownload) [![Linux](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLinux-444444?logo=linux&logoColor=ffffff)](https:\u002F\u002Fkiln.tech\u002Fdownload) ![Github Downsloads](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fdownloads\u002Fkiln-ai\u002Fkiln\u002Ftotal) |\n| Connect | [![Discord](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Kiln_AI-blue?logo=Discord&logoColor=white)](https:\u002F\u002Fkiln.tech\u002Fdiscord) [![Newsletter](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FNewsletter-subscribe-blue?logo=mailboxdotorg&logoColor=white)](https:\u002F\u002Fkiln.tech\u002Fblog)                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                         |\n\n## Python Library\n\n[![PyPI - Version](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fkiln-ai.svg?logo=pypi&label=PyPI&logoColor=gold)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fkiln-ai\u002F) [![Docs](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-pdoc-blue)](https:\u002F\u002Fkiln-ai.github.io\u002FKiln\u002Fkiln_core_docs\u002Findex.html)\n\nOur open-source [python library](https:\u002F\u002Fpypi.org\u002Fproject\u002Fkiln-ai\u002F) allows you to integrate Kiln datasets into your own workflows, build fine tunes, use Kiln in Notebooks, build custom tools, and much more! [Read the docs](https:\u002F\u002Fkiln-ai.github.io\u002FKiln\u002Fkiln_core_docs\u002Findex.html) for examples.\n\n```bash\npip install kiln-ai\n```\n\n## Learn More\n\n### Rapid Prototyping\n\nThere are new models and techniques emerging all the time. Kiln makes it easy to try a variety of approaches and compare them in a few clicks without writing code. These can result in higher quality and improved performance.\n\nWe currently support:\n\n- Various prompting techniques: basic, few-shot, multi-shot, repair & feedback\n- Chain of thought \u002F thinking, with optional custom “thinking” instructions\n- Many models: GPT, Llama, Claude, Gemini, Mistral, Gemma, Phi\n- Fine Tuning: create custom models using your Kiln dataset\n- Evaluations using LLM-as-Judge and G-Eval\n- Distilling models\n\nIn the future, we plan to add more powerful no-code options like RAG. For experienced data-scientists, you can create these techniques today using Kiln datasets and our Python library.\n\n### Collaborate Across Technical and Non-Technical Teams\n\nWhen building AI products, there’s usually a subject matter expert who knows the problem you are trying to solve, and a different technical team assigned to build the model. Kiln bridges that gap as a collaboration tool.\n\nSubject matter experts can use our intuitive desktop apps to generate structured datasets and ratings, without coding or using technical tools. No command line or GPU required.\n\nData-scientists can consume the dataset created by subject matter experts, using the UI, or deep dive with our python library.\n\nQA and PM can easily identify issues sooner and help generate the dataset content needed to fix the issue at the model layer.\n\nThe dataset file format is designed to be used with Git for powerful collaboration and attribution. Many people can contribute in parallel; collisions are avoided using UUIDs, and attribution is captured inside the dataset files. You can even share a dataset on a shared drive, letting completely non-technical team members contribute data and evals without knowing Git.\n\n### Build High Quality AI Products with Datasets\n\nProducts don’t naturally have “datasets”, but Kiln helps you create one. Every time you use Kiln, we capture the inputs, outputs, human ratings, feedback, and repairs needed to build high quality models for use in your product. The more you use it, the more data you have.\n\nOur synthetic data generation tool can build datasets for evals and fine-tuning in minutes.\n\nYour model quality improves automatically as the dataset grows, by giving the models more examples of quality content (and mistakes). If your product goals shift or new bugs are found (as is almost always the case), you can easily iterate the dataset to address issues.\n\n## Contributing & Development\n\nSee [CONTRIBUTING.md](CONTRIBUTING.md) for information on how to setup a development environment and contribute to Kiln.\n\n## Citation\n\n```bibtex\n@software{kiln_ai,\n  title = {Kiln: Rapid AI Prototyping and Dataset Collaboration Tool},\n  author = {{Chesterfield Laboratories Inc.}},\n  year = {2025},\n  url = {https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln},\n  version = {latest}\n}\n```\n\n## Licenses & Trademarks\n\nThe Kiln library with our core functionality is fully open source (MIT), while the Kiln desktop app is free to use, source-available, and may be licensed to enterprises in the future.\n\nWhy? We’re aiming to make Kiln fair and sustainable:\n\n- Kiln is always free for personal use.\n- Larger for-profit companies using Kiln Desktop may require a license in the future, but it is currently free.\n- This is based on the concept of the [fair code model](https:\u002F\u002Ffaircode.io) with the goal of making Kiln sustainable (adapted since Kiln is an app, not a service).\n\nOpen Library and Data Format:\n\n- Kiln’s MIT OSS library contains all of the core logic of Kiln. It can do anything the app can do, just without the font-end\u002FUI.\n- Kiln’s data format is open. You own and control your datasets, we don’t have access to them. The data is JSON formatted for maximal compatibility, ensuring zero lock-in.\n\n**Licenses**\n\n- Python Library (core logic\u002Ffeatures): [MIT License](libs\u002Fcore\u002FLICENSE.txt)\n- Python Server (REST API): [MIT License](libs\u002Fserver\u002FLICENSE.txt)\n- Desktop App: free to download and use. 100% [source-available](app) with public builds for maximum transparency.\n\n**Trademarks**: The Kiln name and logos are trademarks of Chesterfield Laboratories Inc.\n\nCopyright 2024 - Chesterfield Laboratories Inc.\n","\u003Cp align=\"center\">\n    \u003Ca href=\"https:\u002F\u002Fkiln.tech\">\n        \u003Cpicture>\n            \u003Cimg width=\"205\" alt=\"Kiln AI Logo\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_12309fd7b608.png\">\n        \u003C\u002Fpicture>\n    \u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Ch3 align=\"center\">\n  构建、评估与优化AI系统\n\u003C\u002Fh3>\n\n\u003Cp align=\"center\">\n  Kiln是一款免费应用，提供构建更优AI产品的所需一切工具。\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fevals-and-specs\">\u003Cstrong>评估与规格\u003C\u002Fstrong>\u003C\u002Fa> • \n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fprompts\u002Fautomatic-prompt-optimizer\">\u003Cstrong>提示优化器\u003C\u002Fstrong>\u003C\u002Fa> • \n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fdocuments-and-search-rag\">\u003Cstrong>RAG\u003C\u002Fstrong>\u003C\u002Fa> • \n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fagents\">\u003Cstrong>智能体\u003C\u002Fstrong>\u003C\u002Fa> • \n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ffine-tuning-guide\">\u003Cstrong>微调\u003C\u002Fstrong>\u003C\u002Fa> •\n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fsynthetic-data-generation\">\u003Cstrong>合成数据\u003C\u002Fstrong>\u003C\u002Fa> • \n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\">\u003Cstrong>全部文档\u003C\u002Fstrong>\u003C\u002Fa>\n\u003C\u002Fp>\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_and_test.yml\">\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_and_test.yml\u002Fbadge.svg\" alt=\"构建与测试\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Ftest_count.yml\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fgist.githubusercontent.com\u002Fscosman\u002F57742c1b1b60d597a6aba5d5148d728e\u002Fraw\u002Ftest_count_kiln.json\" alt=\"测试次数徽章\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fkiln.tech\u002Fdiscord\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Kiln_AI-blue?logo=Discord&logoColor=white\" alt=\"Discord\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fkiln.tech\u002Fblog\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FNewsletter-subscribe-blue?logo=mailboxdotorg&logoColor=white\" alt=\"新闻通讯\">\u003C\u002Fa>\n\u003C\u002Fp>\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fkiln.tech\u002Fdownload\">\u003Cimg width=\"180\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_b6f6c42d9fbc.png\" alt=\"下载按钮\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fdocs.kiln.tech\u002Fgetting-started\u002Fquickstart\">\u003Cimg width=\"180\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_65650adf98fa.png\" alt=\"快速入门按钮\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n## 核心功能\n\n- 🚀 [**直观的桌面应用**](https:\u002F\u002Fkiln.tech\u002Fdownload)：适用于Windows、MacOS和Linux的一键式应用。\n- 📊 [**评估**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fevaluations)：使用最先进的评估工具来衡量模型或任务的质量。\n- 📈 [**优化工具**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Foptimizers)：为您的任务找到最佳的提示、模型或微调方案，提升质量并降低成本。\n- 🎛️ [**微调**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ffine-tuning-guide)：无需编码即可对Qwen、GPT、Gemini等模型进行微调，并自动以无服务器方式部署模型。\n- 🔍 [**文档与搜索（RAG）**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fdocuments-and-search-rag)：通过检索增强生成（RAG）为您的AI系统添加知识。\n- 🤖 [**智能体**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fagents)：构建由多个主体协作的智能体系统。\n- 🛠 [**工具与MCP**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ftools-and-mcp)：将强大的工具连接到您的Kiln任务中。\n- 🪄 [**合成数据生成**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fsynthetic-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。\n- 🧠 [**推理模型**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fguide-train-a-reasoning-model)：训练或蒸馏您自己的自定义推理模型。\n- 📝 [**提示生成**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fprompts)：自动生成包含思维链、少样本、多样本等多种类型的提示。\n- 🌐 [**全面的模型支持**](https:\u002F\u002Fkiln.tech\u002Fmodel_library)：无需猜测——我们已测试过100多种模型的能力。您可以通过Ollama、OpenAI、OpenRouter、Fireworks、Groq、AWS以及任何兼容OpenAI的API等方式使用任意模型。\n- 🤝 [**团队协作**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fcollaboration)：基于Git的版本控制用于您的AI数据集。直观的用户界面使QA、PM和领域专家能够轻松协作处理数据样本、评估、提示、评分和问题。\n- 🗃️ [**结构化数据**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fstructured-data-json)：构建能够输出JSON格式的AI任务。\n- 🧑‍💻 **开源[库](https:\u002F\u002Fdocs.kiln.tech\u002Fdevelopers\u002Fpython-library-quickstart)和[API](https:\u002F\u002Fdocs.kiln.tech\u002Fdevelopers\u002Frest-api)**：我们的Python库和OpenAPI REST API均采用MIT开源许可。\n- 🔒 [**隐私优先**](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fprivacy)：Kiln在您的本地计算机上运行，我们无法访问您的数据。您可以自行提供API密钥，或使用Ollama。\n- 📚 [**优秀的文档**](https:\u002F\u002Fdocs.kiln.tech)：易于跟随的视频指南，既适合初学者，也满足高级用户的需求。\n- 💰 **免费**：我们的应用程序是免费的，库也是开源的。\n\n## 测量、改进、重复\n\n通过迭代构建更好的AI系统。Kiln将评估与优化整合在一起，让每一次改动都可量化，每一轮迭代都能推动您向前发展。\n\n\u003Cimg width=\"600\" height=\"263\" alt=\"kiln_optimization\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_f7c4184dad3f.png\" \u002F>\n\n## 演示\n\n[观看Kiln的2分钟概览](https:\u002F\u002Fkiln.tech#demo)或我们的[端到端项目演示（20分钟）](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fend-to-end-project-demo)。\n\n\u003Ckbd>\n\u003Ca href=\"https:\u002F\u002Fkiln.tech#demo\">\n\u003Cimg alt=\"Kiln预览\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_bfaa30006eb0.gif\">\n\u003C\u002Fa>\n\u003C\u002Fkbd>\n\n## 我们社区成员所在公司\n\n\u003Cimg width=\"600\" alt=\"Logo Grid\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_28754814fd56.png\" \u002F>\n\n\u003Csub>来自这些公司的人员已注册Kiln、在GitHub上点赞Kiln，或加入了我们的Discord。\u003C\u002Fsub>\n\n## 下载Kiln桌面应用\n\n适用于MacOS、Windows和Linux。\n\n[\u003Cimg width=\"180\" alt=\"下载按钮\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_readme_b6f6c42d9fbc.png\">](https:\u002F\u002Fkiln.tech\u002Fdownload)\n\n## 文档与指南\n\nKiln非常直观，因此我们建议直接启动桌面应用并开始使用。不过，如果您有任何疑问或想深入了解，我们的[文档随时为您提供帮助](https:\u002F\u002Fdocs.kiln.tech)。\n\n### 视频指南\n\n- [微调LLM模型](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ffine-tuning-guide)\n- [指南：训练推理模型](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fguide-train-a-reasoning-model)\n- [LLM评估工具](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fevaluators)\n- [端到端项目演示](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fend-to-end-project-demo)\n- [工具入门：工具与MCP简介](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ftools-and-mcp)\n\n### 所有文档\n\n- [快速入门](https:\u002F\u002Fdocs.kiln.tech\u002Fgetting-started\u002Fquickstart)\n- [如何在 Kiln 中使用任何 AI 模型或提供商](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fmodels-and-ai-providers)\n- [文档与搜索工具（RAG）](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fdocuments-and-search-rag)\n- [智能体](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fagents)\n- [工具与 MCP](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ftools-and-mcp)\n- [推理与思维链](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Freasoning-and-chain-of-thought)\n- [合成数据生成](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fsynthetic-data-generation)\n- [与 Kiln 协作](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fcollaboration)\n- [数据评分与标注](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Freviewing-and-rating)\n- [提示模板](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fprompts)\n- [结构化数据 \u002F JSON](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fstructured-data-json)\n- [组织 Kiln 数据集（标签与筛选）](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Forganizing-datasets)\n- [我们的数据模型](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fkiln-datamodel)\n- [修复响应](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Frepairing-responses)\n- [键盘快捷键](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fkeyboard-shortcuts)\n- [隐私概览：默认私密设计](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fprivacy)\n\n对于开发者，请参阅我们的 [Kiln Python 库文档](https:\u002F\u002Fkiln-ai.github.io\u002FKiln\u002Fkiln_core_docs\u002Fkiln_ai.html)。其中包含如何将数据集加载到 Kiln，以及如何在您自己的代码库或笔记本中使用 Kiln 数据集的内容。\n\n## 构建与工具\n\n|         |                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    |\n| ------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n| CI      | [![构建与测试](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_and_test.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_and_test.yml) [![格式化与 lint](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fformat_and_lint.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fformat_and_lint.yml) [![桌面应用构建](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_desktop.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fbuild_desktop.yml) [![Web UI 构建](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fweb_format_lint_build.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Fweb_format_lint_build.yml)                                                                                                           |\n| 测试   | [![测试数量徽章](https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fgist.githubusercontent.com\u002Fscosman\u002F57742c1b1b60d597a6aba5d5148d728e\u002Fraw\u002Ftest_count_kiln.json)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Ftest_count.yml) [![测试覆盖率徽章](https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fgist.githubusercontent.com\u002Fscosman\u002F57742c1b1b60d597a6aba5d5148d728e\u002Fraw\u002Flibrary_coverage_kiln.json)](https:\u002F\u002Fgithub.com\u002FKiln-AI\u002Fkiln\u002Factions\u002Fworkflows\u002Ftest_count.yml)                                                                                                                                                                                                                                                                                                                                                       |\n| 软件包 | [![PyPI - 版本](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fkiln-ai.svg?logo=pypi&label=PyPI&logoColor=gold)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fkiln-ai\u002F) [![PyPI - Python 版本](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fpyversions\u002Fkiln-ai.svg?logo=python&label=Python&logoColor=gold)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fkiln-ai\u002F)                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    |\n| 元数据  | [![uv](https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fraw.githubusercontent.com\u002Fastral-sh\u002Fuv\u002Fmain\u002Fassets\u002Fbadge\u002Fv0.json)](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv) [![linting - Ruff](https:\u002F\u002Fimg.shields.io\u002Fendpoint?url=https:\u002F\u002Fraw.githubusercontent.com\u002Fastral-sh\u002Fruff\u002Fmain\u002Fassets\u002Fbadge\u002Fv2.json)](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fruff) [![类型 - Pyright](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftypes-pyright-blue.svg)](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpyright) [![文档](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-pdoc-blue)](https:\u002F\u002Fkiln-ai.github.io\u002FKiln\u002Fkiln_core_docs\u002Findex.html)                                                                                                                                                                                                                                                                     |\n| 应用    | [![MacOS](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FMacOS-black?logo=apple)](https:\u002F\u002Fkiln.tech\u002Fdownload) [![Windows](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWindows-0067b8.svg?logo=data:image\u002Fsvg%2bxml;base64,PD94bWwgdmVyc2lvbj0iMS4wIiBlbmNvZGluZz0idXRmLTgiPz4KPHN2ZyBmaWxsPSIjZmZmIiB2aWV3Qm94PSIwIDAgMzIgMzIiIHZlcnNpb249IjEuMSIgeG1sbnM9Imh0dHA6Ly93d3cudzMub3JnLzIwMDAvc3ZnIj4KPHBhdGggZD0iTTE2Ljc0MiAxNi43NDJ2MTQuMjUzaDE0LjI1M3YtMTQuMjUzek0xLjAwNCAxNi43NDJ2MTQuMjUzaDE0LjI1NnYtMTQuMjUzek0xNi43NDIgMS4wMDR2MTQuMjU2aDE0LjI1M3YtMTQuMjU2ek0xLjAwNCAxLjAwNHYxNC4yNTZoMTQuMjU2di0xNC4yNTZ6Ij48L3BhdGg+Cjwvc3ZnPg==)](https:\u002F\u002Fkiln.tech\u002Fdownload) [![Linux](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLinux-444444?logo=linux&logoColor=ffffff)](https:\u002F\u002Fkiln.tech\u002Fdownload) ![Github 下载量](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fdownloads\u002Fkiln-ai\u002Fkiln\u002Ftotal) |\n| 连接    | [![Discord](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Kiln_AI-blue?logo=Discord&logoColor=white)](https:\u002F\u002Fkiln.tech\u002Fdiscord) [![邮件列表](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FNewsletter-subscribe-blue?logo=mailboxdotorg&logoColor=white)](https:\u002F\u002Fkiln.tech\u002Fblog)                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                         |\n\n## Python 库\n\n[![PyPI - 版本](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fkiln-ai.svg?logo=pypi&label=PyPI&logoColor=gold)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fkiln-ai\u002F) [![文档](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-pdoc-blue)](https:\u002F\u002Fkiln-ai.github.io\u002FKiln\u002Fkiln_core_docs\u002Findex.html)\n\n我们的开源 [Python 库](https:\u002F\u002Fpypi.org\u002Fproject\u002Fkiln-ai\u002F) 使您能够将 Kiln 数据集集成到自己的工作流中，构建微调模型，在 Notebook 中使用 Kiln，开发自定义工具等等！请参阅 [文档](https:\u002F\u002Fkiln-ai.github.io\u002FKiln\u002Fkiln_core_docs\u002Findex.html) 获取示例。\n\n```bash\npip install kiln-ai\n```\n\n## 了解更多\n\n### 快速原型设计\n\n新的模型和技术层出不穷。Kiln 让您无需编写代码，只需点击几下即可轻松尝试各种方法并进行比较。这通常能带来更高质量和更好的性能。\n\n我们目前支持：\n\n- 多种提示技术：基础提示、少样本提示、多样本提示、修复与反馈\n- 思维链 \u002F 思考模式，可选自定义“思考”指令\n- 多种模型：GPT、Llama、Claude、Gemini、Mistral、Gemma、Phi\n- 微调：使用您的 Kiln 数据集创建自定义模型\n- 使用 LLM 作为评判者和 G-Eval 进行评估\n- 模型蒸馏\n\n未来，我们计划添加更多强大的无代码选项，例如 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 库来实现这些技术。\n\n### 跨技术与非技术团队协作\n\n在构建 AI 产品时，通常有一位了解您要解决的问题的领域专家，以及负责构建模型的技术团队。Kiln 作为一个协作工具，弥合了这一鸿沟。\n\n领域专家可以使用我们直观的桌面应用程序生成结构化数据集和评分，无需编码或使用技术工具。不需要命令行或 GPU。\n\n数据科学家可以使用 UI 消费领域专家创建的数据集，也可以通过我们的 Python 库深入分析数据。\n\n质量保证人员和产品经理可以更早地发现问题，并帮助生成用于在模型层面修复问题所需的数据集内容。\n\n数据集文件格式专为与 Git 配合使用而设计，以实现强大的协作和归属追踪。多人可以并行贡献；通过 UUID 避免冲突，并在数据集文件中记录归属信息。您甚至可以将数据集共享到公共存储盘上，让完全非技术背景的团队成员在不了解 Git 的情况下也能贡献数据和评估。\n\n### 使用数据集构建高质量 AI 产品\n\n产品本身并不自然带有“数据集”，但 Kiln 可以帮助您创建一个。每次使用 Kiln 时，我们都会捕获输入、输出、人工评分、反馈以及所需的修复信息，从而构建可用于您产品的高质量模型。您使用得越多，拥有的数据就越多。\n\n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。\n\n随着数据集的增长，您的模型质量会自动提高，因为模型会获得更多高质量内容（以及错误）的示例。如果您的产品目标发生变化或发现了新的缺陷（几乎总是如此），您可以轻松迭代数据集以解决问题。\n\n## 贡献与开发\n\n有关如何设置开发环境并为 Kiln 做出贡献的信息，请参阅 [CONTRIBUTING.md](CONTRIBUTING.md)。\n\n## 引用\n\n```bibtex\n@software{kiln_ai,\n  title = {Kiln: 快速 AI 原型设计与数据集协作工具},\n  author = {{Chesterfield Laboratories Inc.}},\n  year = {2025},\n  url = {https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln},\n  version = {latest}\n}\n```\n\n## 许可与商标\n\nKiln 库及其核心功能完全开源（MIT 许可），而 Kiln 桌面应用程序则可免费使用，源代码公开，并可能在未来授权给企业使用。\n\n为什么这样设计？我们的目标是使 Kiln 公平且可持续：\n\n- Kiln 对个人用户始终免费。\n- 较大的营利性公司如果使用 Kiln 桌面应用，未来可能需要许可证，但目前仍是免费的。\n- 这基于 [公平代码模型](https:\u002F\u002Ffaircode.io) 的理念，旨在使 Kiln 可持续发展（由于 Kiln 是一款应用程序而非服务，因此进行了相应调整）。\n\n开放的库与数据格式：\n\n- Kiln 的 MIT 开源库包含 Kiln 的所有核心逻辑。它能够完成应用程序所能完成的所有操作，只是缺少前端\u002FUI。\n- Kiln 的数据格式是开放的。您拥有并控制自己的数据集，我们无法访问它们。数据采用 JSON 格式，以确保最大的兼容性，避免供应商锁定。\n\n**许可**\n\n- Python 库（核心逻辑\u002F功能）：[MIT 许可证](libs\u002Fcore\u002FLICENSE.txt)\n- Python 服务器（REST API）：[MIT 许可证](libs\u002Fserver\u002FLICENSE.txt)\n- 桌面应用程序：可免费下载和使用。100% [源代码公开](app)，提供公开构建版本以确保最大透明度。\n\n**商标**：Kiln 名称和标志是 Chesterfield Laboratories Inc. 的注册商标。\n\n版权所有 2024 - Chesterfield Laboratories Inc.","# Kiln 快速上手指南\n\nKiln 是一款免费的开源桌面应用，旨在帮助开发者构建、评估和优化 AI 系统。它支持本地运行以保护隐私，提供从提示词优化、RAG（检索增强生成）、智能体构建到模型微调的一站式工作流。\n\n## 环境准备\n\n### 系统要求\nKiln 提供原生桌面客户端，支持以下操作系统：\n- **macOS** (Intel & Apple Silicon)\n- **Windows** (10\u002F11)\n- **Linux** (主流发行版)\n\n### 前置依赖\n- **网络连接**：首次启动需下载模型或连接外部 API（如 OpenAI, Ollama 等）。\n- **API Keys（可选）**：若使用云端模型（OpenAI, Anthropic, Groq 等），请提前准备好对应的 API Key。\n- **Ollama（可选）**：若希望完全本地离线运行，建议预先安装 [Ollama](https:\u002F\u002Follama.com) 并在本地运行模型。\n- **Python（仅开发者）**：若需使用 Kiln 的 Python 库进行二次开发，需安装 Python 3.8+。\n\n> **注意**：Kiln 主打“隐私优先”，所有数据默认存储在本地计算机上，无需配置复杂的服务器环境。\n\n## 安装步骤\n\nKiln 推荐使用图形化安装包，一键即可运行。\n\n### 方法一：下载桌面客户端（推荐）\n\n访问官方下载页面获取对应系统的安装包：\n[https:\u002F\u002Fkiln.tech\u002Fdownload](https:\u002F\u002Fkiln.tech\u002Fdownload)\n\n1. 点击页面对应操作系统的 **Download** 按钮。\n2. 下载完成后，像安装普通软件一样运行安装程序。\n   - **Windows**: 运行 `.exe` 安装向导。\n   - **macOS**: 将图标拖入 `Applications` 文件夹。\n   - **Linux**: 根据发行版选择 `.deb`, `.rpm` 或 `AppImage` 进行安装。\n3. 启动 Kiln 应用。\n\n### 方法二：通过 Python 库使用（开发者模式）\n\n如果你希望在代码中集成 Kiln 功能，可以通过 PyPI 安装核心库：\n\n```bash\npip install kiln-ai\n```\n\n*注：国内用户若遇网络问题，可使用清华源加速安装：*\n```bash\npip install kiln-ai -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 基本使用\n\n以下是使用 Kiln 桌面端完成一个简单 AI 任务（例如：构建一个情感分析器）的最小化流程。\n\n### 1. 创建项目与任务\n启动 Kiln 桌面应用后：\n- 点击 **\"New Project\"** 创建一个新项目（例如命名为 `SentimentAnalysis`）。\n- 在项目内点击 **\"New Task\"**，定义你的任务目标。\n- 在 **Prompt** 编辑区输入基础指令，例如：\n  ```text\n  Analyze the sentiment of the following text. Return the result as a JSON object with a \"score\" (-1 to 1) and \"label\" (positive\u002Fnegative\u002Fneutral).\n  \n  Text: {{input_text}}\n  ```\n\n### 2. 配置模型\n- 进入 **Models** 设置页。\n- 选择模型提供商：\n  - **Local (Ollama)**: 如果本地已运行 Ollama，直接选择已下载的模型（如 `llama3`）。\n  - **Cloud Providers**: 输入你的 API Key（OpenAI, AWS Bedrock 等）并选择模型（如 `gpt-4o`）。\n- Kiln 支持超过 100 种预测试模型，可直接在下拉菜单中选择。\n\n### 3. 运行与评估 (Evals)\n- 在 **Run** 标签页，输入几条测试文本（例如：\"I love this product!\"）。\n- 点击运行，查看模型输出的 JSON 结果。\n- 切换到 **Evals** 标签页，利用内置的评估器（Evaluators）对输出质量进行打分，或手动标记数据好坏。\n\n### 4. 优化提示词 (Prompt Optimizer)\n- 如果结果不理想，点击 **Optimizers** 功能。\n- Kiln 会自动尝试不同的提示词变体或模型参数，基于你的评估数据推荐最佳配置。\n- 接受推荐配置，即可更新任务 Prompt。\n\n### 5. 导出数据或使用 Python 库\n你可以将标注好的数据导出为 JSON\u002FCSV，或直接在 Python 代码中加载 Kiln 数据集：\n\n```python\nfrom kiln_ai import KilnProject\n\n# 加载本地项目\nproject = KilnProject.load(path=\".\u002Fpath\u002Fto\u002Fyour\u002Fproject\")\n\n# 访问任务数据\ntask = project.task(\"sentiment_analysis_task\")\nfor item in task.dataset.items:\n    print(item.input_data, item.output_data)\n```\n\n---\n**下一步**：探索更多高级功能，如 [RAG 文档搜索](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fdocuments-and-search-rag)、[无代码微调](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Ffine-tuning-guide) 或 [智能体编排](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fagents)，请访问 [官方文档](https:\u002F\u002Fdocs.kiln.tech)。","某电商初创团队的算法工程师正在构建一个能准确回答商品售后政策的智能客服系统，需要处理大量非结构化的文档数据并保证回答的准确性。\n\n### 没有 Kiln 时\n- **数据准备耗时极长**：团队需手动编写数百条测试用例来验证模型效果，缺乏合成数据生成工具，导致冷启动阶段数据严重匮乏。\n- **调优过程盲目低效**：修改 Prompt 或切换模型后，只能靠人工抽检判断好坏，无法量化评估不同版本间的细微差异，优化全靠“猜”。\n- **知识检索不准**：自建 RAG（检索增强生成）流程复杂，难以快速验证文档切片策略是否合理，常出现模型胡编乱造政策条款的情况。\n- **微调门槛过高**：想要针对特定业务术语微调模型，需要编写复杂的训练代码并配置服务器环境，非资深算法人员难以上手。\n\n### 使用 Kiln 后\n- **数据生成自动化**：利用 Kiln 的合成数据生成功能，几分钟内就基于少量种子数据扩展出高质量的评估数据集，迅速完成系统冷启动。\n- **评估与优化可视化**：通过内置的 Evals 和 Prompt 优化器，自动对比不同提示词和模型的得分，直观看到哪次修改提升了准确率，告别盲目试错。\n- **RAG 流程一站式搭建**：直接在界面上传售后文档，Kiln 自动处理索引与检索测试，快速定位并修复了“张冠李戴”的检索错误，确保回答有据可依。\n- **零代码微调部署**：无需编写训练脚本，只需在界面选择 Qwen 或 GPT 模型点击微调，Kiln 自动完成服务器less 部署，让定制模型快速上线。\n\nKiln 将原本分散且高门槛的 AI 工程链路整合为可视化的闭环工作流，让团队能从繁琐的基础设施搭建中解脱，专注于提升业务逻辑与模型效果。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKiln-AI_Kiln_12309fd7.png","Kiln-AI","Kiln AI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FKiln-AI_3b5f7c33.png","Build AI Products",null,"https:\u002F\u002Fkiln.tech","https:\u002F\u002Fgithub.com\u002FKiln-AI",[80,84,88,92,96,100,103,107,110],{"name":81,"color":82,"percentage":83},"Python","#3572A5",71.8,{"name":85,"color":86,"percentage":87},"Svelte","#ff3e00",21.7,{"name":89,"color":90,"percentage":91},"TypeScript","#3178c6",5.9,{"name":93,"color":94,"percentage":95},"Shell","#89e051",0.3,{"name":97,"color":98,"percentage":99},"HTML","#e34c26",0.1,{"name":101,"color":102,"percentage":99},"JavaScript","#f1e05a",{"name":104,"color":105,"percentage":106},"Inno Setup","#264b99",0,{"name":108,"color":109,"percentage":106},"Makefile","#427819",{"name":111,"color":112,"percentage":106},"CSS","#663399",4740,352,"2026-04-07T23:05:24","NOASSERTION",1,"Windows, macOS, Linux","未说明（支持通过 Ollama 本地运行或调用云端 API，具体取决于用户选择的模型提供商）","未说明",{"notes":122,"python":123,"dependencies":124},"该工具主要提供一键安装的桌面应用程序（Windows\u002FMac\u002FLinux），无需手动配置环境。支持多种模型后端：可本地使用 Ollama（需自行安装 Ollama 及对应模型），或通过 API 密钥连接 OpenAI、OpenRouter、Fireworks、Groq、AWS 等云服务。数据隐私方面，应用本地运行，数据不上传至 Kiln 服务器。协作功能基于 Git 进行版本控制。","未说明（提供 Python 库，但桌面应用为独立安装包）",[125],"kiln-ai (Python Library)",[127,13,35,15,14,16],"其他",[129,130,131,132,133,134,135,136,137,138,139,140,141,142,143,144,145,146,147,148],"ai","chain-of-thought","collaboration","dataset-generation","fine-tuning","machine-learning","macos","ml","ollama","openai","prompt","prompt-engineering","python","rlhf","synthetic-data","windows","evals","evaluation","evaluation-framework","mcp","2026-03-27T02:49:30.150509","2026-04-08T13:57:46.544571",[],[153,158,163,168,173,178,183,188,193,198,203,208,213,218,223,228,233,238,243,248],{"id":154,"version":155,"summary_zh":156,"released_at":157},154030,"v0.25.0","[\u003Cimg width=\"220\" alt=\"下载按钮\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\n\n**自动提示优化器 & 在 MCP 服务器上运行 Kiln 评估**\n\n## 新功能\n- **Kiln 自动提示优化器**：我们全新的最先进提示优化工具。它会自动为您的任务找到表现优异的提示，通常在评估中比手动提示工程提升两位数。无需人工反复试验，Kiln 将自动运行数千次实验，逐步为特定模型和任务找到最优提示。\n- **优化器界面**：我们全新的菜单，帮助您选择优化任务的最佳方式。您可以从提示优化、模型选择、微调等多种选项中进行挑选。\n- **MCP 运行配置**：通过 MCP 将 Kiln 任务与任何外部实现连接起来。这使您能够使用 Kiln 的评估、规格说明以及对比功能，与您自己的自定义智能体实现进行比较。\n- **新增模型**：Gemini 3.1 Pro、Sonnet 4.6、GLM 5、Kimi K2.5、Minimax M2.5、Qwen 3.5 等众多新模型！\n- **更多改进**：更优的应用布局与设计、精选模型、模型推荐、模型定价等！\n\n本次发布的 Mac 和 Linux 版本 CI 构建源：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F22231831533  \n本次发布的 Windows 版本 CI 构建源：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F22231831526  \n\n**完整更新日志**：https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.24.0...v0.25.0","2026-02-20T16:19:50",{"id":159,"version":160,"summary_zh":161,"released_at":162},154031,"v0.24.0","[\u003Cimg width=\"220\" alt=\"下载按钮\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\n\n**Kiln Copilot、规格说明、工具微调等功能全新上线！**\n\n## 新功能\n- **规格与 Kiln Copilot**：我们推出的新代理系统，用于构建更优质的评估。它可与您交互式协作，通过合成数据生成、边缘案例发现、裁判提示优化等方式，不断打磨和提升您的评估！\n- **工具使用微调**：支持基于示例训练模型以使用特定工具。\n- **比较任务配置**：新增交互式图表，帮助您通过评估结果找到最适合当前任务的模型和提示词。\n- **部署 Kiln 任务**：我们推出了全新的命令行工具及操作指南，方便您将 Kiln 应用中创建的任务部署到自己的服务器或 API 上。\n- **新增模型**：Gemini 3 Pro 和 Flash、Opus 4.5、GLM 4.6V 和 4.7、GPT 5.2 等众多新模型。\n- **其他更新**：修复了若干 bug，优化了键盘导航，改进了 UI，并提升了工具调用速度。\n\n本次发布的 CI 构建源码（Mac 和 Linux）：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F21444555657  \n本次发布的 CI 构建源码（Windows）：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F21444555635  \n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.23.0...v0.24.0","2026-01-28T15:35:21",{"id":164,"version":165,"summary_zh":166,"released_at":167},154032,"v0.23.0","[\u003Cimg width=\"220\" alt=\"下载按钮\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\n\n**智能体、子任务、本地 RAG、MCP 改进，还有更多！**\n\n## 新功能\n- **RAG 评估**：根据您的文档自动生成问答数据和评估结果\n- **工具使用评估**：评估是否在正确的时间调用了正确的工具\n- **RAG 重排序**：使用重排序模型提升 RAG 性能\n- **RAG 语义分块**：全新的分块策略，利用嵌入技术生成语义感知的文本块\n- **新模型**：MiniMax M2、Kimi K2 Thinking、通义千问3 VL\n- **更多更新**：可视化 JSON Schema 构建器、OpenRouter 上支持嵌入模型、修复了 Vertex 微调问题、使 OpenRouter 的行为更加确定\n\n本次发布的 CI 构建源码（Mac 和 Linux）：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F19345788155  \n本次发布的 CI 构建源码（Windows）：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F19345788180  \n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.22.0...v0.23.0","2025-11-13T21:04:41",{"id":169,"version":170,"summary_zh":171,"released_at":172},154033,"v0.22.0","[\u003Cimg width=\"220\" alt=\"下载按钮\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\n\n**智能体、子任务、本地 RAG、MCP 改进，以及更多！**\n\n## 新功能\n- **智能体 \u002F 子任务**：现在你可以在 Kiln 中构建智能体系统了！任何 Kiln 任务都可以被用作工具，从而让你创建多层级的智能体架构。详情请参阅我们的[文档](https:\u002F\u002Fdocs.kiln.tech\u002Fdocs\u002Fagents)。\n- **本地 + 开源 RAG**：我们的搜索工具 \u002F RAG 系统现支持本地模型和开源模型。你可以使用如 Qwen VL 进行文档提取，以及如 Gemma Embedding 生成嵌入向量。\n- **保存运行配置并设置默认**：运行选项卡现在允许你保存特定的运行配置（模型、提示词、参数）。这样可以方便地在不同配置之间切换。你还可以将首选配置设为“默认”，它会自动加载。\n- **工具与 MCP 更新**：修复了影响 Windows 上部分 MCP 服务器的 bug，并改进了 MCP 服务器出错时的错误提示信息。\n- **新增模型**：Sonnet 4.5、GLM 4.6、GLM 4.5 Vision、Mistral Medium 3.1、Qwen 3 VL、Qwen 2.5 VL。\n- **以及其他更新**：UI 改进、加快大型数据集的标注速度、标注 UI 会显示你使用过的所有标签、简化新手引导、新增介绍页面。\n\n本次发布的 CI 构建源码（Mac 和 Linux）：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F18282462999  \n本次发布的 CI 构建源码（Windows）：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F18282463177  \n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.21.1...v0.22.0","2025-10-06T13:27:24",{"id":174,"version":175,"summary_zh":176,"released_at":177},154034,"v0.21.1","[\u003Cimg width=\"220\" alt=\"下载按钮\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\n\n我们迄今为止最大的一次更新，新增了 RAG（搜索工具）、文档库以及合成数据 V3！\n\n## 新功能\n- **RAG 与搜索**：只需将文件拖放到 Kiln 中，即可在不到 3 分钟内构建出最先进的 RAG（检索增强生成）系统。它支持强大的 RAG 工具，包括基于模型的文档提取、多种嵌入模型以及混合搜索（向量 + BM25）。您可以自定义和调优整个流程中的任何环节。\n- **合成数据 V3**：我们的合成数据生成模块采用了全新且更强大的设计。您可以逐步完成数据生成过程，并在保存到数据集之前查看模型输出。\n- **全新“Trace”界面**：新界面可可视化 AI 调用的所有步骤，包括工具调用\u002F响应以及内部思考过程。\n- **文档库**：用于管理 AI 项目中文档的交互式界面。您可以添加标签、查看提取内容等。支持文档、图片、音频和视频等多种格式。\n- **新增模型**：Qwen 3 Max、Qwen 3 Next、Kimi K2 0905、Seed OSS 36B、Step3\n- **更多改进**：UI 优化、新增嵌入模型、LanceDB 集成、llama_index 集成等。\n\n**注**：v0.21.1 是 v0.21.0 的一个小版本更新，仅更改了应用更新所需的内部版本号（该版本号在 v0.21.0 中遗漏）。上述发布说明反映了从 v0.20.1 到 v0.21.1 的所有变更。\n\n本次发布的 Mac 和 Linux 版本 CI 构建源：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F17954978555  \n本次发布的 Windows 版本 CI 构建源：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F17954978563  \n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.20.1...v0.21.1","2025-09-23T18:06:58",{"id":179,"version":180,"summary_zh":181,"released_at":182},154035,"v0.21.0","[\u003Cimg width=\"220\" alt=\"下载按钮\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\n\n我们迄今为止最大的一次更新，新增了 RAG（搜索工具）、文档库以及合成数据 V3！\n\n## 新功能\n- **RAG 与搜索**：只需将文件拖放到 Kiln 中，即可在不到 3 分钟内构建出最先进的 RAG（检索增强生成）系统。它支持强大的 RAG 工具，包括基于模型的文档提取、多种嵌入模型以及混合搜索（向量 + BM25）。您可以自定义和调优整个流程中的任何环节。\n- **合成数据 V3**：我们的合成数据生成模块采用了全新且更强大的设计。您可以逐步完成数据生成过程，并在保存到数据集之前查看模型输出。\n- **全新的“Trace”界面**：新界面可可视化 AI 调用的所有步骤，包括工具调用\u002F响应以及内部思考过程。\n- **文档库**：用于管理 AI 项目中文档的交互式界面。您可以添加标签、查看提取内容等。支持文档、图片、音频和视频等多种格式。\n- **新增模型**：Qwen 3 Max、Qwen 3 Next、Kimi K2 0905、Seed OSS 36B、Step3\n- **更多改进**：界面优化、新增嵌入模型、LanceDB 集成、llama_index 集成等。\n\n请注意，本次发布存在一个小 bug（内部版本号错误，导致提示升级）。V0.21.1 版本已修复此问题，升级至该版本即可解决。\n\n本次发布的 Mac 和 Linux 版本 CI 构建源：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F17917294586  \n本次发布的 Windows 版本 CI 构建源：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F17917294422\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.20.1...v0.21.0","2025-09-22T13:43:22",{"id":184,"version":185,"summary_zh":186,"released_at":187},154036,"v0.20.1","[\u003Cimg width=\"220\" alt=\"下载按钮\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\n\n## 新功能\n- **工具与MCP**：Kiln 现在支持通过 MCP 调用工具。我们提供了一些示例服务，例如网络搜索、网页抓取、Python 解释器等。您可以将任何 MCP 服务器连接到 Kiln，以提升 AI 任务的性能。\n- **新增 AI 提供商**：Docker 模型运行器——可在本地容器中运行模型。\n- **新增模型**：GLM 4.5 及 4.5 Air，以及 OpenRouter 上的 GPT 5。\n- **Linux 安装程序**：全新脚本可下载 Kiln 并将其添加到您的应用启动器中。\n- **更多改进**：多项界面优化，以及针对多步链路（如工具调用）的内部“追踪”功能。\n\n本次发布的 Mac 和 Linux 版本的 CI 构建源码：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F17584717823  \n本次发布的 Windows 版本的 CI 构建源码：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F49949527854  \n\n## 新贡献者\n* @ilopezluna 在 https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fpull\u002F473 中完成了首次贡献。\n* @sfierro 在 https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fpull\u002F530 中完成了首次贡献。\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.19.1...v0.20.1","2025-09-09T13:46:32",{"id":189,"version":190,"summary_zh":191,"released_at":192},154037,"v0.19.1","[\u003Cimg width=\"220\" alt=\"下载按钮\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\n\n## 变更内容\n- **模型库**：在全新的模型库中浏览所有可用模型及其支持的能力。\n- **新增AI提供商**：Cerebras、SiliconFlow.cn\n- **新增模型**：GPT-5、GPT OSS、GLM、通义千问3 2507、MiniMax、文心一言、盘古Pro\n- **更好的国际化支持**：允许在模型名称、项目名称和描述中使用非ASCII字符。\n- **更多改进**：微调界面优化、原生文件选择器用于导入项目、设计更新以及错误修复。\n\n本次发布的Mac和Linux版本CI构建源：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F16840409052  \n本次发布的Windows版本CI构建源：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F16840408959  \n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.18.1...v0.19.1","2025-08-08T20:59:13",{"id":194,"version":195,"summary_zh":196,"released_at":197},154038,"v0.18.1","[\u003Cimg width=\"220\" alt=\"下载按钮\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\n\n**概览**：Evals V2、合成数据生成 V2、Kiln“问题”功能新增模型等！\n\n- **Evals V2**：我们的评估功能如今更加强大且易于使用。新特性包括简化的评估创建流程、优化的提示模板、评估模板，以及全新的“对比”视图，帮助您找到最佳模型，等等！\n- **合成数据 V2**：数据生成工具经过重新设计，可覆盖更多用例，包括模型微调、评估数据生成、问题修复等。用户界面也得到了优化和简化。\n- **全新“问题”功能**：Kiln 的“问题”类似于软件中的 Bug，只不过它是针对 AI 系统的。您可以描述一个问题，为其创建评估，生成用于复现的数据，并通过微调或调整提示来修复它。\n- **新增模型**：新增了 Kimi K2、Grok 4、Llama 4、R1 0528 等模型！我们现在支持通过 OTA 方式发布新模型，无需再等待下一次版本更新。\n- **UI 优化**：在模型选择等下拉菜单中增加了按输入筛选的功能，并提供了更多模型推荐。\n- **Bug 修复**：修复了一个与模型输出发送至评估评审人员相关的问题。\n\n本次发布的 Mac 和 Linux 版本 CI 构建源：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F16310037457  \n本次发布的 Windows 版本 CI 构建源：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F16310037455  \n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.17.0...v0.18.1","2025-07-16T03:59:41",{"id":199,"version":200,"summary_zh":201,"released_at":202},154039,"v0.17.0","[\u003Cimg width=\"220\" alt=\"Download button\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\r\n\r\n- **Synthetic Data UX Improvements**: Your synthetic data session is now preserved; you can leave and come back without losing data. Visual updates make synthetic data easier to use.\r\n- **Powerful new logs**: View the exact requests\u002Fresponses sent to\u002Ffrom LLM providers. You can open the logs folder from settings in app. Useful for understanding workflows, debugging, or productionizing Kiln tasks. \r\n- **New parameters: top_p, temperature, structured output mode**: specify key LLM parameters both on the run screen, and during evals when trying to find the best method of running your task. Structured output mode let's you try different methods of enforcing data structure (JSON schema, tool calls, instructions)\r\n - Much more: bug fixes, usability improvements, model list updates, CoT in fewer messages.\r\n\r\nCI Build Source for this release Mac and Linux: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F15665812199\r\nCI Build Source for this release Windows: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F15665812198\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.16.0...v0.17.0","2025-06-15T17:46:29",{"id":204,"version":205,"summary_zh":206,"released_at":207},154040,"v0.16.0","[\u003Cimg width=\"220\" alt=\"Download button\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\r\n\r\n- **New Models: Qwen 3 and Gemma 3** including the ability to run \u002Fno_think or \u002Fthink for Qwen 3\r\n- **Major Redesign for Evals**: Creating an eval now walks you through each step of the process with an intuitive UI. Building your dataset, rate golden data, compare eval algorithms, and more. You can create state of the art evals without prior experience.\r\n- **Improved fine-tuning**: it's now easier to create fine-tuning datasets and manage existing datasets.\r\n- Many quality of life improvements: new prompt generator, suggested models for evals\u002Fdata-gen, improved UI controls, simpler setup\r\n\r\nCI Build Source for this release Mac and Linux: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F15085724878\r\nCI Build Source for this release Windows: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F15085835381\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.15.0...v0.16.0","2025-05-17T13:49:12",{"id":209,"version":210,"summary_zh":211,"released_at":212},154041,"v0.15.0","## ⬇️ Download links in the \"Assets\" section below ⬇️\r\n\r\nThis release includes:\r\n\r\n- **New Models: GPT 4.1 Full\u002FMini\u002FNano, o4 mini, o3, and Gemini 2.5 Pro\u002FFlash**. \r\n- **Gemini Fine-Tuning**: connect a Google Vertex account to fine-tune Gemini models.\r\n- **Faster Synthetic Data Gen**: generate data for all topics in a single click.\r\n- New UI which allows manually repairing data\r\n- Fix a bug breaking some chain-of-thought prompts\r\n\r\nCI Build Source for this release Mac and Linux: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F14617773103\r\nCI Build Source for this release Windows: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F14617773044\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.14.0...v0.15.0","2025-04-23T12:10:12",{"id":214,"version":215,"summary_zh":216,"released_at":217},154042,"v0.14.0","## ⬇️ Download links in the \"Assets\" section below ⬇️\r\n\r\nThis release adds a ton of new integrations including 5 new AI providers, 5 new inference models, 3 new fine-tune base-models\r\n\r\n- **Added over 60 new fine-tuneable models like QwQ, Deepseek V3, Llama 3.3, Qwen 2.5, and more**. These use Fireworks AI, and don't require setting up custom GPUs. \r\n- Added the ability to deploy on-demand inference servers for Fireworks AI. These deployments will automatically scale to zero servers after 5 minutes of inactivity, making it easy to keep costs down. When you go to use a model, a server will automatically start for you.\r\n- Bug fix blocking connecting Anthropic keys to Kiln \r\n\r\nCI Build Source for this release Mac and Linux: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F14285733084\r\nCI Build Source for this release Windows: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F14285733097\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.13.2...v0.14.0","2025-04-05T21:00:28",{"id":219,"version":220,"summary_zh":221,"released_at":222},154043,"v0.13.2","## ⬇️ Download links in the \"Assets\" section below ⬇️\r\n\r\nNote: v0.13.2 is a minor update from v0.13.1 with a bug fix for Ollama. The remaining release notes are from v0.13.1\r\n\r\nThis release adds a ton of new integrations including 5 new AI providers, 5 new inference models, 3 new fine-tune base-models\r\n\r\n- New AI Providers: **Gemini API, Vertex AI, Hugging Face, Azure OpenAI and Together.ai**\r\n- New Inference Models: **QwQ, Gemma 3, o1, o3, Phi 4 Mini**\r\n- **New fine-tuning host: Together.ai** which adds new serverless fine tuning models: Qwen 2.5 14B, Qwen 2.5 72B, Llama 3.2 1B\r\n- Features:\r\n  - **Import existing datasets via CSV** (thanks leonardmq)\r\n  - **Weights and Biases integration** for fine tuning metrics\r\n  - Allow editing titles\u002Fdescriptions throughout the UI\r\n  - Add UI for deleting evals, tasks, custom prompts, and other data model items directly from the UI\r\n- Core tech\r\n  - Migrate to LiteLLM, removing the last of LangChain\r\n  - Python 3.13 support (and ready for 3.14)\r\n\r\nCI Build Source for this release Mac and Linux: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F14007063283\r\nCI Build Source for this release Windows: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F14007063288\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.12.1...v0.13.2","2025-03-22T08:55:21",{"id":224,"version":225,"summary_zh":226,"released_at":227},154044,"v0.13.1","## ⬇️ Download links in the \"Assets\" section below ⬇️\r\n\r\nThis release adds a ton of new integrations including 5 new AI providers, 5 new inference models, 3 new fine-tune base-models\r\n\r\n- New AI Providers: **Gemini API, Vertex AI, Hugging Face, Azure OpenAI and Together.ai**\r\n- New Inference Models: **QwQ, Gemma 3, o1, o3, Phi 4 Mini**\r\n- **New fine-tuning host: Together.ai** which adds new serverless fine tuning models: Qwen 2.5 14B, Qwen 2.5 72B, Llama 3.2 1B\r\n- Features:\r\n  - **Import existing datasets via CSV** (thanks @leonardmq)\r\n  - **Weights and Biases integration** for fine tuning metrics\r\n  - Allow editing titles\u002Fdescriptions throughout the UI\r\n  - Add UI for deleting evals, tasks, custom prompts, and other data model items directly from the UI\r\n- Core tech\r\n  - Migrate to LiteLLM, removing the last of LangChain\r\n  - Python 3.13 support (and ready for 3.14)\r\n\r\nCI Build Source for this release Mac and Linux: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F13956877583\r\nCI Build Source for this release Windows: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F13957266813\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.12.1...v0.13.0","2025-03-19T21:41:08",{"id":229,"version":230,"summary_zh":231,"released_at":232},154045,"v0.12.1","## ⬇️ Download links in the \"Assets\" section below ⬇️\r\n\r\nNew in this release **Evals - a comprehensive evaluation toolkit**:\r\n- Build powerful SOTA evals (G-Eval, LLM as Judge)\r\n- Check eval correlation to human preferences (Kiln Ratings) to find the best evaluator\r\n- Synthetically generate eval datasets with Kiln Synthetic Data Gen\r\n- Use the analysis tools to find the optimal prompt+model for your task\r\n- Automatic eval: Kiln will automatically build an eval for any Kiln task using your task definition\r\n- Templates for common eval use cases: bias, toxicity, jailbreaking, maliciousness, factual correctness.\r\n\r\nOther new features include:\r\n- Support for distilling (fine-tuning) an open model from Sonnet 3.7 thinking\r\n- New Built-In Models: Sonnet 3.7, Dolphin 2.9 8x22B, and Grok\r\n- Improved logging (thanks to @leonardmq)\r\n- ARM Linux builds now included\r\n\r\nCI Build Source for this release Mac and Linux: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F13638728833\r\nCI Build Source for this release Windows: \u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F13638728765\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.11.1...v0.12.1","2025-03-03T19:22:00",{"id":234,"version":235,"summary_zh":236,"released_at":237},154046,"v0.11.1","## ⬇️ Download links in the \"Assets\" section below ⬇️\r\n\r\nThis release focuses on making Kiln easier to use, across lots of small fixes.\r\n\r\n**New features include:**\r\n\r\n - **Synthetic data generation is 25x faster**\r\n - **Windows Code Signing** which means fewer \"Unrecognized app\" prompts, and virus false positives\r\n - **Resolve a bugs causing a blank screen** on some Windows 11 machines\r\n - **Improved Ollama support** when using structured data (JSON)\r\n - You can disconnect AI providers from settings UI, without editing config files\r\n - Improved docs, and links to the docs from within the app\r\n - Add the ability to clone a task, copying all it's fields\r\n - Show synthetic dataset topic in the datasets view\r\n\r\nCI Build Source for this release Mac and Linux: Kiln-AI\u002FKiln\u002Factions\u002Fruns\u002F13234579948 and Windows: Kiln-AI\u002FKiln\u002Factions\u002Fruns\u002F13234579954\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.10.1...v0.11.1","2025-02-10T06:03:52",{"id":239,"version":240,"summary_zh":241,"released_at":242},154047,"v0.10.1","## ⬇️ Download links in the \"Assets\" section below ⬇️\r\n\r\nNote: v0.10.1 is a minor release with a bug fix that blocked new users from running models. The remainder of the release notes are features new in v0.10 which shipped yesterday.\r\n\r\n**New features include:**\r\n\r\n - **Add support for reasoning models, including the ability to distill your own reasoning model.** [Docs](https:\u002F\u002Fdocs.getkiln.ai\u002Fdocs\u002Freasoning-thinking-and-chain-of-thought)\r\n - Many new models: R1, R1 distills, Mistral Small 3, Phi 4, and Gemini 2.0 flash\r\n - Improved structured data generation (JSON)\r\n - Fine-tuning prompt alignment: use the prompt system the model was tuned with by default.\r\n - Support for the new faster Fireworks V2 fine-tuning system\r\n\r\nCI Build Source for this release: Kiln-AI\u002FKiln\u002Factions\u002Fruns\u002F13192037218\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.10.0...v0.10.1","2025-02-07T02:38:10",{"id":244,"version":245,"summary_zh":246,"released_at":247},154048,"v0.10.0","## ⬇️ Download links in the \"Assets\" section below ⬇️\r\n\r\n**New features include:**\r\n\r\n - **Add support for reasoning models, including the ability to distill your own reasoning model.** [Docs](https:\u002F\u002Fdocs.getkiln.ai\u002Fdocs\u002Freasoning-thinking-and-chain-of-thought)\r\n - Many new models: R1, R1 distills, Mistral Small 3, Phi 4\r\n - Improved structured data generation (JSON)\r\n - Fine-tuning prompt alignment: use the prompt system the model was tuned with by default.\r\n - Support for the new faster Fireworks V2 fine-tuning system\r\n\r\nCI Build Source for this release: Kiln-AI\u002FKiln\u002Factions\u002Fruns\u002F13148150574\r\n\r\n**New Contributors**\r\n* @SimonCoulombe made their first contribution in https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fpull\u002F109\r\n* @bvqbao made their first contribution in https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fpull\u002F117\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.9.0-beta...v0.10.0-beta","2025-02-05T01:29:25",{"id":249,"version":250,"summary_zh":251,"released_at":252},154029,"v0.26.0","[\u003Cimg width=\"220\" alt=\"下载按钮\" src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa5d51b8b-b30a-4a16-a902-ab6ef1d58dc0\">](https:\u002F\u002Fgetkiln.ai\u002Fdownload)\n\n**代理技能支持**\n\n## 新增功能\n- **技能**：支持开放的[Agent Skills](https:\u002F\u002Fagentskills.io\u002Fhome)标准。技能允许逐步向您的代理披露额外信息，是上下文加载与RAG之间的一个理想折中方案。\n- **推理模型的思考层级**：现在您可以为支持多层级的推理模型选择思考层级。请参阅运行界面中的“高级”部分。\n- **新模型**：GPT 5.4、GPT 5.3 Instant、通义千问3.5系列变体\n- **更多改进**：优化了错误提示界面，SDK进行了改进（运行不再默认保存），已弃用的模型在界面上隐藏，工具使用的微调功能也得到了提升。\n\n本次发布的CI构建源代码（Mac和Linux）：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F23250506105  \n本次发布的CI构建源代码（Windows）：\u002FKiln-AI\u002FKiln\u002Factions\u002Fruns\u002F23250506230  \n\n**完整更新日志**：https:\u002F\u002Fgithub.com\u002FKiln-AI\u002FKiln\u002Fcompare\u002Fv0.25.0...v0.26.0","2026-03-18T14:44:22"]