返回 AI 工具目录
MOE
开发框架人工精选最近核验 2026年7月23日
MOE(Metric Optimization Engine)是 Yelp 开源的贝叶斯全局优化引擎,用于在评估一次代价高或耗时长的场景下高效寻找系统的最优参数。它把目标当作没有导数的黑箱,通过高斯过程建模与期望改进(EI)准则挑选下一个实验点,适用于 A/B 测试点击率优化、机器学习超参数调优与工程系统参数设计。以 C++ 与 Python 编写,提供 REST、Python、C++ 三类接口,推荐用 Docker 运行本地 REST 服务,Apache 2.0 许可。项目已于 2025 年 5 月归档、转为只读,不再维护。
定价开源部署自托管、本地运行国内可达国内可达
解决什么问题
- 在评估昂贵或耗时的场景下寻优参数
- 用贝叶斯全局优化处理无导数黑箱目标
- 以期望改进准则挑选下一个实验点
- 支撑 A/B 测试与超参数调优的取值决策
适合
- 每次实验成本高、想减少试验次数的团队
- A/B 测试点击率等指标的参数寻优
- 机器学习超参数的全局调优
- 愿自托管 REST 服务或用 Python 接口的场景
不适合
- 需要持续维护与官方支持(已归档只读)
- 可低成本大量试验、无需贝叶斯寻优时
- 希望开箱托管服务而非自建(需自托管)
- 依赖较老,新环境部署可能需自行适配
如何接入
- docker pull yelpmoe/latest 起本地 REST 服务
- 默认服务监听 6543 端口
- 提供 REST、Python、C++ 三类调用接口
- 可在 Python 或 IPython 中直接调用
已知限制
- 项目已于 2025 年 5 月归档,不再维护
- 依赖较老,部分 CI 与依赖已过时
- 以自托管为主,无官方托管服务
- 上手需具备贝叶斯优化基础概念
接入与使用事实
- 部署方式
- 自托管、本地运行
- 实现语言
- C++、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。