DataFlow-KG 采用代码生成 + 自定义修改 + 运行脚本的使用方式，即通过命令行调用，自动生成默认的运行脚本和入口 Python 文件，经过用户定制化修改后（比如更换数据集，使用不同的大模型 API，重新排列算子，增加自己的个性化pipeline），运行该 Python 文件以执行相应功能。

你只需要三步即可跑起我们提供的Pipeline。

1. 初始化项目

在一个空目录中执行：

dfkg init

即会在当前工作路径生成这些文件夹：

$ tree -L 1
.
|-- api_pipelines
|-- example_data
`-- gpu_pipelines

各目录用途：

• api_pipelines：使用在线大模型 API（推荐新手）
• gpu_pipelines：使用本地 GPU 模型
• example_data：所有示例 Pipeline 的默认输入数据

2. Pipeline 分类说明（选一个就好）

同名 Pipeline 在不同目录下是包含关系：

目录	依赖资源
api_pipelines	CPU + 大模型 API
gpu_pipelines	CPU + API + 本地 GPU

注： 新手推荐直接从 api_pipelines 开始！后续如果你有 GPU，只需要把 LLMServing 换成本地模型即可。

3. 运行你的第一个Pipeline

进入任意 Pipeline 目录，例如：

cd api_pipelines

打开其中的 Python 文件，你通常只需要关注两处配置：

（1）输入数据路径

self.storage = FileStorage(
    first_entry_file_name="<path_to_dataset>"
)

这里默认指向了我们提供的样例数据集，可以直接运行。你可以把它改成你自己的数据集路径来使用自己的数据。

（2）大模型 Serving

如果使用 API，需要先设置环境变量：

Linux / macOS

export DF_API_KEY=sk-xxxxx

Windows CMD

set DF_API_KEY=sk-xxxxx

PowerShell

$env:DF_API_KEY="sk-xxxxx"

然后直接运行脚本即可：

python xxx_pipeline.py

4. 多 API Serving（可选）

如果你需要同时使用多个大模型 API，可以为每个 Serving 指定不同的环境变量名：

llm_serving_openai = APILLMServing_request(
    api_url="[https://api.openai.com/v1/chat/completions](https://api.openai.com/v1/chat/completions)",
    key_name_of_api_key="OPENAI_API_KEY",
    model_name="gpt-4o"
)

llm_serving_deepseek = APILLMServing_request(
    api_url="[https://api.deepseek.com/v1/chat/completions](https://api.deepseek.com/v1/chat/completions)",
    key_name_of_api_key="DEEPSEEK_API_KEY",
    model_name="deepseek-chat"
)

然后在环境变量里输出对应的字段名（比如 OPENAI_API_KEY=sk-xxxxx）即可实现多 API Serving 共存。

5. 添加自定义 Pipeline 模板（可选）

如果你希望将自己编写的 Pipeline 固化为标准模板，并在每次执行初始化操作时自动生成，可以通过修改源码的静态文件夹来实现：

1. 进入模板目录：在 DataFlow-KG 源码仓库中，找到并进入 dataflow/statics/pipelines/api_pipelines 文件夹。
2. 放入自定义脚本：将你自己编写的 your_custom_pipeline.py 文件放置于该目录下。
3. 更新本地安装：回到 DataFlow-KG 仓库根目录，执行以下命令使修改在本地环境中生效：

   pip install -e .

4. 重新初始化：在你需要工作的新目录中再次运行 dfkg init，你编写的自定义 Pipeline 脚本就会像预制菜一样，自动生成在相应的初始化文件夹中了。