产品简介
dingo Dingo是面向AI开发者的综合质量评估工具，用于系统评估和改进训练数据、微调数据集及生产AI系统的质量，解决数据缺陷、模型幻觉等问题。适合机器学习工程师、数据科学家和AI研究团队使用。
核心功能
- 生产级质量检查，确保AI数据高质量
- 多源数据集成，支持本地文件、SQL数据库、HuggingFace和S3
- 多字段并行评估，灵活应用不同质量规则
- RAG系统评估，使用5个学术指标全面评估
- LLM与规则混合评估，结合启发式规则和深度LLM评估
快速开始
- 通过pip安装Dingo核心包：运行`pip install dingo-python`
- 根据需要安装可选依赖，如幻觉检测模型：运行`pip install "dingo-python[hhem]"`
- 使用Python脚本评估数据，导入相关模块并执行评估代码
界面预览
与其他方案对比
| 对比项 | dingo | 同类方案 |
|---|---|---|
| 评估全面性 | 综合评估数据、模型和应用质量，支持多源数据集成 | 同类工具可能仅评估单一维度，如数据质量或模型性能 |
| 执行灵活性 | 支持本地快速运行和Spark分布式计算，适应不同规模数据 | 通常仅支持本地运行，难以处理大规模数据集 |
适合谁用
- 评估AI训练数据质量的数据工程师
- 构建RAG系统的AI开发者
- 进行模型微调的机器学习研究人员
下载与版本
当前最新版本为 v2.4.0，发布于 2026-05-29。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/MigoXLab/dingo