kitops-ml/kitops

解决的问题

KitOps 提供了一种标准化的方式来打包、版本化和共享 AI/ML 项目。它解决了在开发、预发和生产环境中同步和追踪模型权重、数据集、提示词和配置的困难，尤其适用于需要高安全性和可审计性的组织。

工作原理

KitOps 使用 OCI（开放容器倡议）技术，将 AI 资产打包为「ModelKits」——不可变的、分层的工件，存储在现有的容器注册表中。Kitfile 定义了包的内容。用户通过 CLI 或 Python SDK（PyKitOps）管理这些资产，可以打包、推送、拉取和检查模型，而无需下载整个包。

适用人群

• DevOps 和平台工程师：希望将 AI 模型集成到现有 CI/CD 流水线和 Kubernetes 部署中的人员。
• 数据科学家：需要在不管理基础设施的情况下打包和追踪实验与模型的人员。
• 开发者：希望将 AI 模型视为版本化依赖项的人员。

主要亮点

• 基于 OCI 的存储：使用标准容器注册表进行 AI 资产管理。
• 防篡改：每个组件均通过 SHA-256 摘要保护，确保一致性和可追溯性。
• 安全集成：支持使用 Cosign 进行加密签名，以及使用 Rekor 进行透明日志记录。
• 灵活解包：允许用户仅拉取特定层（例如仅模型权重），而非整个包。
• 标准化格式：同时支持 ModelKit 和 CNCF ModelPack 规范。