zenml-io/zenml

ZenML – 面向管道、代理和大语言模型的开源 MLOps 平台

它是什么 – ZenML 是一个基于 Python 的框架，允许 AI/ML 工程师将**管道（工作流）**定义为可重用、版本化的步骤，并在任何基础设施（本地、Docker、Kubernetes、SageMaker 等）上运行。它增加了自动容器化、工件跟踪、元数据记录和 Web 仪表板，同时与您已有的工具（MLflow、Weights & Biases、LangChain/Graph、Langfuse、Sagemaker、GCP Vertex 等）集成。

为什么重要 – 现代 AI 项目结合了经典 ML 模型、大型语言模型（LLM）服务和自主代理。ZenML 编排整个生命周期——从数据准备、训练到评估、部署、监控，甚至对话式查询运行——使团队无需重写代码即可从实验过渡到生产。

核心功能（按 README 中所描述）

管道即代码 – 使用 @step 装饰器编写管道；任何 Python 逻辑（训练、推理、代理循环）都可以被包装。
基础设施无关的栈 – 通过简单的配置切换后端（本地 Docker、Kubernetes、Kubeflow、SageMaker、GCP Vertex 等）。
自动容器化与版本控制 – ZenML 为每个步骤构建可重现的容器，并跟踪代码、参数和输出。
运行跟踪与可观测性 – 存储和可视化指标、日志和元数据；与 MLflow、W&B、Langfuse 集成。
可扩展的集成 – 为流行工具提供内置连接器，并为自定义集成提供插件系统。
Web 仪表板和客户端-服务器架构 – 用于监控管道的专用 UI（通过 zenml-dashboard 仓库）；可在本地或远程服务器上运行。
LLMOps 与代理支持 – 提供 RAG 管道、代理工作流和评估循环的指南和示例。
MCP（模型上下文协议）聊天界面 – 通过 Claude Desktop、Cursor 等以自然语言查询管道。
开源姊妹项目 Kitaru – 基于重放的 AI 代理评估，与 ZenML 紧密耦合。

典型使用场景

场景	ZenML 如何帮助
经典 ML 模型训练	定义数据准备、训练、验证步骤；在本地 Docker 或 Kubernetes 集群上运行；使用 MLflow/W&B 跟踪实验。
LLM 微调与 RAG 管道	编排数据摄取、嵌入生成、检索、生成和评估；使用 LLMOps 指南获取最佳实践。
代理工作流	将 LangGraph/LangChain 代理包装在步骤中；比较架构；使用 Kitaru 重放运行以进行安全测试。
批量推理与监控	构建端到端管道，拉取新数据、运行推理、存储结果，并将指标推送到监控仪表板。
生产部署	将模型或代理部署为可扩展服务；ZenML 处理版本化的工件，并可通过 MCP 聊天界面触发部署。
跨团队协作	集中式元数据、仪表板和基于聊天的查询使数据科学家、工程师和产品负责人保持同步。

生态系统与社区

集成 – MLflow、Weights & Biases、LangChain/Graph、Langfuse、SageMaker、GCP Vertex、Kubernetes、Kubeflow 等（参见 src/zenml/integrations）。
扩展 – 用于直接从编辑器管理管道的 VS Code/Cursor 扩展。
相关项目 – zenml-dashboard（UI）、mcp-zenml（聊天界面）、kitaru（代理重放）。
采用情况 – 被 Airbus、AXA、JetBrains、Rivian、WiseTech Global、Brevo、Leroy Merlin、Koble、Playtika、NielsenIQ、Enel 等公司使用。
社区 – GitHub 上开源，Apache-2.0 许可，贡献指南，good-first-issues，公开路线图，Slack 社区，博客和定期发布。

快速开始（来自 README）

# 安装完整的客户端-服务器包
pip install "zenml[server]"   # 普通 `pip install zenml` 提供精简客户端

# 初始化 ZenML 仓库
zenml init

# 启动本地服务器或连接到远程服务器
zenml login

然后探索 examples/ 文件夹——quickstart 示例介绍了管道、步骤、工件、快照和部署。

许可证

Apache License 2.0 – 自由使用、修改和分发。

TL;DR

ZenML 是一个生产就绪的开源 MLOps 框架，允许您在任何云或本地基础设施上编写、版本化和运行 AI 管道（包括 LLM 和代理工作流），并具有内置的可观测性、集成和 Web UI。它面向希望为传统 ML 和现代生成式 AI 工作负载提供统一平台的工程师。