kitops-ml/kitops

解決的問題

KitOps 提供了一種標準化的方式來打包、版本化和分享 AI/ML 專案。它解決了在開發、測試與生產環境之間同步與追蹤模型權重、資料集、提示詞與設定的困難，特別是對於需要高安全性與可稽核性的組織而言尤為重要。

運作方式

KitOps 使用 OCI（開放容器倡議）技術，將 AI 資產打包為「ModelKits」——不可變、分層的工件，儲存在現有的容器註冊表中。Kitfile 定義了套件的內容。使用者可透過 CLI 或 Python SDK（PyKitOps）管理這些資產，可進行打包、推送、拉取與檢視模型，而無需下載整個套件。

適用對象

• DevOps 與平台工程師：希望將 AI 模型整合至現有的 CI/CD 流水線與 Kubernetes 部署中的人員。
• 資料科學家：需要在不管理基礎設施的情況下打包與追蹤實驗與模型的人員。
• 開發者：希望將 AI 模型視為版本化相依性的人員。

主要特色

• 基於 OCI 的儲存：使用標準容器註冊表進行 AI 資產管理。
• 防篡改：每個元件均透過 SHA-256 摘要保護，確保一致性與可追蹤性。
• 安全整合：支援使用 Cosign 進行加密簽章，以及使用 Rekor 進行透明日誌記錄。
• 彈性解包：允許使用者僅拉取特定層（例如僅模型權重），而非整個套件。
• 標準化格式：同時支援 ModelKit 與 CNCF ModelPack 規範。