返回 AI 工具目录
MLRun
基础设施人工精选最近核验 2026年7月23日
MLRun 是开源的 MLOps 平台,用于快速构建并管理贯穿全生命周期的持续 ML 应用,统一数据、ML、软件与 DevOps 团队之间的协作。它提供项目管理与 CI/CD 自动化、特征库(Feature Store)完成数据采集转换与服务、批量与实时数据处理、模型训练与实验跟踪、基于无服务器函数的实时服务流水线,以及带漂移检测与告警的模型监控,并支持 RAG、LLM 微调与向量数据库。以 Python 为主,采用 Apache 2.0 许可,面向 Kubernetes 原生部署,可对接开发环境与 CI/CD 系统。
定价开源部署自托管国内可达国内可达
解决什么问题
- 统一数据 ML 与 DevOps 团队的协作
- 以特征库自动完成数据采集与服务
- 编排从训练到实时服务的流水线
- 内置实验跟踪与带漂移检测的监控
适合
- 需要端到端 MLOps 编排的团队
- 已采用 Kubernetes 的生产 ML 场景
- 要落地特征库与实时服务流水线
- 涉及 RAG 或 LLM 微调的应用交付
不适合
- 依赖 Kubernetes,轻量实验略显笨重
- 平台功能多,学习与运维成本较高
- 小团队单一模型场景可能过重
- 部分官方镜像源在海外,需自行处理
如何接入
- 面向 Kubernetes 原生部署
- 集成开发环境与 CI/CD 系统
- 提供特征库与无服务器实时服务
- 支持向量数据库与 LLM 微调流程
已知限制
- 强依赖 Kubernetes 运行环境
- 平台较重,上手与运维需投入
- 生产可靠性取决于集群与资源规划
- 部分镜像与依赖来源在海外
接入与使用事实
- 部署方式
- 自托管
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。