潜在遗忘
   
告诉代理你想要一个数据集做什么——它通过自然语言对话搜索、下载、组织、整理、消除重复、调整大小和为图像添加标题。
快速开始
直接运行（无需安装）
# With Nix
nix run github:utensils/latentforge
# With uv
uvx latentforge安装
# With uv
uv tool install latentforge
# Run
latentforge # interactive — no config
latentforge --config configs/ghibli.yaml # with a dataset config发展
nix develop # enters devshell with latentforge, ruff, pyright, gallery-dl, uv
latentforge # run the agent
nix fmt # format nix + python files运作原理
latentforge → launches an interactive Claude agent
→ 22 custom MCP tools for image operations
→ Built-in vision to examine images
→ You chat to guide: "build me a dataset for X", "curate the logos", etc.示例会话
> I want a dataset for Studio Ghibli art styles
[tool: create_config]
Created config: configs/ghibli.yaml with 5 categories
> Search for movie poster art and download them
[tool: search_bing]
Found 18 image URLs for 'Studio Ghibli movie poster art'
[tool: download_images]
Download complete: 15 saved, 2 skipped (dup), 1 failed
> Find duplicates and show me quality stats
[tool: find_duplicates]
Found 2 duplicate pairs (threshold=8)
[tool: analyze_quality]
Total: 15 images, avg 1340x1020, 12 at 1024+工具
整个数据集工作流程中有22个自定义MCP工具：
| 类别 | 工具 |
|---|---|
| 配置 | create_config, read_config, update_config, list_configs |
| 搜索 | search_bing, search_wikimedia |
| 下载 | download_images （MD5去噪）， download_gallery （画廊dl，80多个网站） |
| 浏览 | list_images, get_image_info |
| 组织 | move_images, organize_images |
| 质量 | analyze_quality, find_duplicates, detect_screenshots |
| 裁剪 | crop_center, crop_smart, crop_faces |
| 面孔 | detect_faces |
| 训练 | resize_images, write_caption |
| 出口 | export_dataset （ai工具包格式） |
该代理还具有内置 Read （具有观看图像的视觉）， Write，以及 Bash 工具。
斜杠命令
在会话期间键入以下内容：
| 命令 | 描述 |
|---|---|
/help | 显示可用命令 |
/config | 显示活动数据集配置 |
/tools | 列出所有代理工具 |
/cost | 显示会话成本 |
/status | 会话状态和上下文使用情况 |
/model | 切换克劳德模型（分叉会话） |
/export [path] | 将数据集导出为ai工具包格式 |
/compact | 紧凑的背景（总结+新会议） |
/quit | 退出 |
数据集配置
每个数据集都是一个YAML文件 configs/。代理可以为您创建这些，或者您可以手写它们：
name: ghibli
subject: "Studio Ghibli"
trigger_word: "ghibli_style"
output_dir: ./datasets/ghibli
search_queries:
posters:
- "Studio Ghibli movie poster art"
- "Spirited Away poster"
backgrounds:
- "Studio Ghibli background art landscape"
categories:
posters: "Movie poster art"
backgrounds: "Background paintings and landscapes"
curation:
target_count: "50-150"
min_resolution: 512
training_resolution: 1024数据集结构
数据集存储在 datasets// 带有类别子目录：
datasets/
└── ghibli/
├── posters/
│ ├── studio_ghibli_movie_poster_a1b2c3d4e5f6.jpg
│ ├── studio_ghibli_movie_poster_a1b2c3d4e5f6.txt
│ └── ...
└── backgrounds/
├── ghibli_background_art_7g8h9i0j1k2l.png
└── ...图像遵循命名模式 {query_prefix}_{md5_hash}.{ext} --MD5哈希确保了跨运行的重复数据消除。
工作流程
- 配置 --创建一个YAML配置（或要求代理创建一个）
- 收集 --搜索Bing/维基媒体并使用MD5去重下载
- 组织 --使用文件名前缀按类别自动排序
- 策划 --Agent查看图像并帮助拒绝低质量的图像
- 去重 --感知哈希检测发现近似重复项
- 调整大小 --批量调整到训练分辨率（默认1024x1024）
- 字幕 --写
.txt每张图片旁边都有带触发词的标题 - 出口 --使用自动生成的训练配置导出为ai工具包格式
认证
设置以下选项之一：
ANTHROPIC_API_KEY-无烟煤API键CLAUDE_CODE_OAUTH_TOKEN-OAuth令牌（当不存在API密钥时使用）
许可证
麻省理工学院