flyte

收录理由

Flyte 面向的是需要把多步骤机器学习流水线真正跑进生产环境、而不只是停留在原型验证阶段的团队。它把工作流执行当作一套具备持久性的运行时来对待，而不是把脚本简单包一层壳。你可以用普通的 Python 写任务，加上 `@env.task` 装饰器，把它们串起来，系统会负责调度、重试以及跨机器的并行扇出，异步工作流也能同时跑大量步骤。模型服务同样覆盖在内，构建流水线的那套代码路径，可以直接暴露一个 FastAPI 端点来做预测。作为 LF AI & Data 基金会的毕业项目，它原生跑在 Kubernetes 上，为大规模场景而生，任务会被监控、故障后能恢复、也能在团队里共享——这往往正是从可用的 notebook 跨越到可靠服务之间的那道鸿沟。无论你是单打独斗的研究者，还是负责平台建设的小组，真正需要权衡的，是你希望在投入之前具备多少运维成熟度。