Prodigy 是一款可下载的开发者工具与库，用于为机器学习模型创建训练和评估数据，适用于 LLM、NLP 和计算机视觉任务，例如命名实体识别、文本分类、目标检测、图像分割和评估等。它提供一种构建自定义 AI 系统的新方式：用真实示例而不是仅仅依靠提示词来定义分类方案，并让强大的模型辅助标注，无需机器学习经验。
主要能力：
- 支持多种标注任务，包括命名实体识别、文本分类、目标检测、图像分割和评估。
- 通过真实示例定义分类方案，模型辅助标注。
- 内置工作流和命令行命令，可覆盖常见任务，并提供组件用于实现自定义工作流脚本。
- 可定义完全自定义的数据流和界面，将任务拆解并尽可能自动化，从而提升标注效率。
- 提供便捷的 Python API 和命令行界面，所有创建的数据均可访问，便于用 PyTorch 或 TensorFlow 等标准库训练自定义模型。
使用方式与集成： Prodigy 是一个 Python 包和库，包含一个 Web 应用，可像安装其他库一样下载安装。其核心是“recipes”——描述工作流的 Python 函数，可实现自定义数据处理和模型训练逻辑，集成第三方或内部库与工具，并提供可复用的工作流。它默认与 spaCy 紧密集成，也可用于其他库和工具；内置 train recipe 对 spaCy 提供一等支持，并有插件用于使用和训练 Hugging Face 模型，还开箱即用地集成主流 LLM API 提供商。用户可用自己的 Python 函数定制 Prodigy，混合搭配前端组件，甚至用 HTML、CSS 和 JavaScript 实现自定义交互界面。Web 应用针对快速、直观和高效的标注进行了优化。
运行与隐私： Prodigy 完全在用户自己的机器上运行，不会“打电话回家”或连接官方或任何第三方服务器。安装后甚至可在完全离线的隔离机器上运行。所有使用和创建的数据与模型完全私密并受用户控制。它可作为标准 Python Web 服务器和应用部署在任意云提供商，包括完全本地部署。
适用场景与许可： 适合需要构建自定义 AI 系统、对数据隐私有严格要求、希望本地运行并避免锁定的个人与团队。它设计为开发者工具，假定用户具备 Python 编程语言和命令行的基本熟悉度，但一旦设置好标注任务，Web 应用使任何人都能轻松创建标注，无需编程经验。Prodigy 采用终身许可、一次付费、永久使用，为个人和团队提供灵活选项；授予学位的学术机构研究人员可申请临时许可证免费使用，需邮件联系并提供大学详细信息。
限制： Prodigy 是开发者工具，使用前需要基本的 Python 和命令行知识。具体价格、详细平台支持情况和版本信息暂未提供。
