LOTUS · AI Nav City

核心信息

以下信息由程序从官方接口读取，不经模型改写。

仓库地址: https://github.com/lotus-data/lotus
许可证: Apache-2.0
语言: Python
维护方: lotus-data
主页: https://lotus-data.github.io
核验日期: 2026-11-02

它是什么

LOTUS 的全称是 LLMs Over Text, Unstructured and Structured Data。LOTUS 来自 Stanford University 和 UC Berkeley。LOTUS 引入并优化了语义算子。

语义算子让用户借助大语言模型和自然语言指令来处理大型数据集。项目方称,LOTUS 让智能体和大语言模型的批量处理变得快速、简单且稳健。

主要能力

每个语义算子都实现一种基于大语言模型、作用于数据集的转换。
语义算子通过自然语言指令来指定,其操作可以被透明地优化。
LOTUS 支持两类语义算子。
智能体算子在语料库上运行使用工具的智能体。
LLM 算子包括 sem_map、sem_filter、sem_agg、sem_join、sem_extract 等。
项目方称,LOTUS 优化语义算子是为了获得更高的准确率和更低的成本。
项目方报告称,在多种任务上,其优化后的流水线达到或超过高质量基线的准确率,同时运行得明显更快、更便宜。

怎么上手

快速开始中,用户需要给 LOTUS 提供一个语料库和一个任务。
在快速开始中,LOTUS 会对语料库分片,并为每个分片启动一个智能体。
在快速开始中,每个智能体都带有一个沙箱化的 Python REPL,用于精确计算。
在快速开始中,LOTUS 会把各分片的发现归并为一个答案。

摘自 README · bash

pip install lotus-ai

摘自 README · python

import lotus
from lotus.models import LM
from lotus.tools import PythonREPLTool

# Configure the LM — export your API key first (e.g. export OPENAI_API_KEY=sk-...)
lotus.settings.configure(lm=LM(model="gpt-5", reasoning_effort="low"))

# A corpus can be inline documents, a DataFrame, files, or one large text.
# Here: a few small functions, some of them subtly buggy.
snippets = [
    "def average(nums): return sum(nums) / (len(nums) - 1)",
    "def word_count(s): return len(s.split())",
    "def percent(part, whole): return part / whole",
    "def reverse(s): return s[::-1]",
]
corpus = lotus.Corpus.from_documents(snippets)

# Each agent actually *runs* its function in a sandboxed REPL to find bugs —
# then LOTUS reduces the per-function results into one report.
result = corpus.agent(
    task="Test each function on example inputs and report which ones are buggy, "
         "with a counterexample for each bug.",
    ops=["map", "reduce"],       # compose agentic ops: map, filter, reduce
    tools=[PythonREPLTool()],
)

print(result.output)   # the reduced bug report