#92 · 主分类： MLOps与评测
hamilton
Apache Hamilton 帮助数据科学家和工程师定义可测试、模块化、自文档化的数据流，这些数据流编码了血缘/追踪和元数据。在 Python 运行的任何地方都能运行和扩展。
项目最后更新：08/19/26
GitHub Stars
2.6K
Forks数量
213
贡献者数量
101
许可证
Apache-2.0
收录理由
许多数据团队都会碰到同样的窘境：特征管道和ETL任务起初只是几个脚本和笔记本，慢慢膨胀到没人愿意重跑或重构的地步。Hamilton换了一种思路，把每个转换都写成普通的Python函数，框架根据函数参数自动推断出DAG，既保留了结构，又不必让一个重量级框架强行改造你的代码。执行过程与图定义彼此独立，同一套代码既能本地快速迭代，等数据量超出笔记本能力时再平滑迁移到Spark或DuckDB上运行。每个步骤还会记录血缘和元数据，追踪某个值的来源、审计数据流，比翻日志省心得多。如果你想要模块化、自带文档的管道，又不想为此引入一个编排器，这是个相当务实的中间选择。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI，用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型（ACL 2024）
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台：LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具