xtuner 是 AI Skill Hub 本期精选Agent工作流之一。已获得 5.1k 颗 GitHub Star，综合评分 8.0 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。
xtuner 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.0 分，是同类 Agent 工作流中的精选推荐。
xtuner 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
xtuner 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：pip 安装（推荐）
pip install xtuner
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install xtuner
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/InternLM/xtuner
cd xtuner
pip install -e .
# 验证安装
python -c "import xtuner; print('安装成功')"
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
xtuner --help
# 基本用法
xtuner input_file -o output_file
# Python 代码中调用
import xtuner
# 示例
result = xtuner.process("input")
print(result)
# xtuner 配置文件示例（config.yml） app: name: "xtuner" debug: false log_level: "INFO" # 运行时指定配置文件 xtuner --config config.yml # 或通过环境变量配置 export XTUNER_API_KEY="your-key" export XTUNER_OUTPUT_DIR="./output"
简介
👋 join us on 
🔍 Explore our models on 
English | 简体中文
</div>
Key Features
📊 Dropless Training - Scalable without complexity: Train 200B-scale MoE models without expert parallelism; 600B models require only intra-node expert parallelism - Optimized parallelism strategy: Smaller expert parallelism dimension compared to traditional 3D approaches, enabling more efficient Dropless training
📝 Long Sequence Support - Memory-efficient design: Train 200B MoE models on 64k sequence lengths without sequence parallelism through advanced memory optimization techniques - Flexible scaling: Full support for DeepSpeed Ulysses sequence parallelism with linearly scalable maximum sequence length - Robust performance: Maintains stability despite expert load imbalance during long sequence training
⚡ Superior Efficiency
- Massive scale: Supports MoE training up to 1T parameters
- Breakthrough performance: First to achieve FSDP training throughput that surpasses traditional 3D parallel schemes for MoE models above 200B scale
- Hardware optimization: Achieves training efficiency on Ascend A3 Supernode that exceeds NVIDIA H800
⚡ Inference Engine Integration
Seamless deployment with leading inference frameworks: - [x] LMDeploy - [ ] vLLM - [ ] SGLang
xtuner是一个高性能的AI工作流引擎，支持超大规模MoE模型训练
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
- +GitHub 5.1k Star，社区高度认可
- +Apache-2.0 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。
经综合评估，xtuner 在Agent工作流赛道中表现稳健，质量优秀。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
| 原始名称 | xtuner |
| 原始描述 | 开源AI工作流：A Next-Generation Training Engine Built for Ultra-Large MoE Models。⭐5.1k · Python |
| Topics | AI工作流MoE模型 |
| GitHub | https://github.com/InternLM/xtuner |
| License | Apache-2.0 |
| 语言 | Python |
收录时间：2026-05-26 · 更新时间：2026-05-26 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。
🤖 交给 Agent 安装 · xtuner
选择 Agent 类型，复制安装指令后粘贴到对应客户端