Easy Dataset
强大的 LLM 微调数据集创建工具，14K+ stars。支持 RAG 和评测数据集的生成，是模型微调数据准备的效率工具
🎯适用场景：LLM 微调数据准备、RAG 数据集生成、模型评测数据构建
📥 收录于 2026/5/21
📊 仓库数据
📈 Stars 变化 ↑12 小时 +6· 统计区间 7/10 12:08 → 7/11 00:11（12 小时）
✅ 优点
- •降低微调数据准备门槛，非技术人员也能创建高质量数据集
- •支持 RAG 和评测数据集，覆盖模型训练全流程
⚠️ 限制
- •数据集质量依赖原始素材，需要用户提供足够的数据源
- •对超大规模数据集的处理效率有限
🔗 相关工具
Firecrawl
github.com/firecrawl/firecrawl
AI 友好的网页抓取 API，支持 URL → Markdown/结构化数据，110K+ stars。专为 LLM 应用设计，自动处理 JS 渲染、分页、反爬，是 RAG 系统的理想数据源
🎯网页自动化与数据采集
OpenBB Platform
github.com/openbb-finance/openbb
金融数据分析平台，66,139+ stars。开源金融数据基础设施，提供股票、加密货币、宏观经济等全方位数据查询和分析能力，支持 Python SDK 和终端使用
🎯金融数据采集与分析、股票与宏观数据查询
Scrapling
github.com/D4Vinci/Scrapling
自适应 Web 爬取框架，52K+ stars。从单请求到全规模爬取全覆盖，智能处理反爬、动态渲染和复杂页面结构，是 AI Agent 数据采集的瑞士军刀
🎯AI Agent 数据采集、舆情分析数据源爬取、竞品监控自动化
TrendRadar
github.com/sansan0/TrendRadar
AI 驱动的舆情监控与趋势分析助手，58K+ stars。支持多平台信息聚合、RSS 订阅、智能预警，帮助打破信息茧房，还原舆情全貌并预测未来走向，辅助决策
🎯AI 舆情监控、行业趋势分析与情报收集系统
MediaCrawler
github.com/NanmiCoder/MediaCrawler
中文社交媒体爬虫工具，50K+ stars。支持小红书、抖音、快手、B 站、微博、贴吧、知乎等平台的笔记/视频/评论爬取，是中文互联网数据采集的标杆项目
🎯数据爬取与 ETL 处理
Agent Reach
github.com/Panniantong/Agent-Reach
让你的 AI Agent 拥有浏览全网的能力——一个 CLI 即可读取和搜索 Twitter、Reddit、YouTube、GitHub、B站、小红书等平台内容，无需 API 费用。
🎯AI Agent 的互联网浏览器——让大模型直接读取社交媒体和公开网页内容，适合需要实时数据采集的智能体
