返回 AI 工具目录
Rigging
开发框架人工精选最近核验 2026年7月24日
Rigging 是 dreadnode 开源的轻量级 Python LLM 交互框架,面向把语言模型接入生产应用。它用带类型标注和文档字符串的 Python 函数定义提示,配合 Pydantic 模型直接拿到结构化输出,也支持纯文本;底层通过 LiteLLM、vLLM、Hugging Face transformers 对接多种模型后端,并用类似数据库连接串的方式管理模型配置。内置工具调用(对无原生工具能力的模型也可用)、异步与批处理,以及基于 Pydantic Logfire 的追踪。适合需要类型安全、可组合管线来构建 LLM 功能与 agent 的工程团队,采用 MIT 许可。
定价开源部署本地运行、自托管国内可达国内可达性待核验
解决什么问题
- 用类型标注的 Python 函数定义提示,减少手写字符串拼接
- 借助 Pydantic 直接得到校验过的结构化输出
- 通过 LiteLLM/vLLM/transformers 统一对接多模型后端
- 为无原生工具能力的模型补齐工具调用
- 异步与批处理支撑规模化调用
适合
- 需要结构化、可校验 LLM 输出的生产场景
- 偏好类型安全、可组合管线的 Python 团队
- 要在多模型后端间切换或做对比的项目
- 构建带工具调用的轻量 agent
不适合
- 仅支持 Python,非 Python 技术栈不适用
- 偏底层框架,不含现成 UI 或托管服务
- 不内置向量库/RAG 检索,需自行组合
- 运行仍依赖外部模型服务的可用性与配额
如何接入
- pip install rigging 作为库引入
- 后端支持 LiteLLM、vLLM、Hugging Face transformers
- 结构化输出基于 Pydantic 模型
- 可接 Pydantic Logfire 做追踪与监控
- 支持异步与批量执行
已知限制
- 面向工程集成,有一定 Python 与类型系统门槛
- 文档与生态规模小于主流大框架
- 运行依赖外部模型服务的稳定性
- 可观测性需配合 Logfire 等自行搭建
接入与使用事实
- 部署方式
- 本地运行、自托管
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达性待核验
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。