aqueduct

收录理由

Aqueduct 解决的是一个很常见的问题：ML 代码在笔记本里跑得好好的，一旦要迁移到真实基础设施上，往往需要重写一遍，而且部署之后表现如何常常难以跟踪。这个框架允许你用纯 Python 定义 ML 和 LLM 工作负载，然后推送到 Kubernetes、AWS、GCP 之类的后端，无需切换语言，同时部署后依然能持续看到执行情况和模型指标。项目在 2023 年停止维护，所以它不适合作为长期生产系统的地基。它今天真正的价值在于作为一份研究材料：一个可读性很好的例子，展示了 MLOps 层如何抽象计算、追踪运行记录、并与现有云技术栈衔接，工程师在搭建自己的工具时可以从里面汲取灵感。