ZenML 🙏：从流水线到智能体的全栈 AI 平台

项目地址 • 路线图 • 更新日志 • 提交 Bug • 注册 ZenML Pro • 博客 • 文档

🎉 获取最新版本信息，请查看更新日志。

---

ZenML 专为企业环境下的 ML 或 AI 工程师打造，旨在解决传统机器学习用例、LLM 工作流或智能体（Agent）开发等需求。

ZenML 的核心在于允许你编写能够在任何基础设施后端（Stacks）上运行的工作流（Pipelines）。你可以在这些流水线中嵌入任何 Python 逻辑，例如模型训练或运行智能体循环。ZenML 通过以下方式实现应用的工程化落地：

1. 自动进行代码容器化与追踪。
2. 通过指标、日志和元数据追踪每一次运行。
3. 屏蔽基础设施的复杂性。
4. 集成现有的工具和基础设施（例如 MLflow、Langgraph、Langfuse、Sagemaker、GCP Vertex 等）。
5. 在开发和生产环境中，通过可观测层实现实验的快速迭代。

...以及更多功能。

ZenML 已被成千上万家公司用于运行其 AI 工作流。以下是部分案例：

（如果您希望加入展示案例，请发送邮件至 support@zenml.io）

🚀 快速上手 (5 分钟)

# 安装带有 server 功能的 ZenML
pip install "zenml[server]"  # pip install zenml 将只安装精简版客户端

# 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

随后，你可以探索本仓库中的任意 示例 (examples/)。我们建议从 快速入门 (quickstart) 开始，它演示了 ZenML 的核心概念：流水线（pipelines）、步骤（steps）、制品（artifacts）、快照（snapshots）和部署（deployments）。

🏗️ 架构概览

ZenML 采用客户端-服务器架构，并集成了一个 Web 仪表盘 (zenml-io/zenml-dashboard)：

• 本地开发：pip install "zenml[local]" - 同时在本地运行客户端和服务器。
• 生产环境：单独部署服务器，通过 pip install zenml + zenml login 进行连接。

🎮 演示

观看简短演示视频：

🖼️ 资源

学习 ZenML 的最佳方式是通过我们全面的文档和教程：

• 文档 (Documentation) - 完整的产品手册
• 第一个 AI 流水线 (Your First AI Pipeline) - 在几分钟内构建并评估一个 AI 服务
• 入门指南 (Starter Guide) - 30 分钟实现从零到生产环境
• LLMOps 指南 (LLMOps Guide) - 针对 LLM 应用的特定模式
• SDK 参考 (SDK Reference) - 完整的 SDK API 文档

📚 更多示例

1. 智能体架构对比 (Agent Architecture Comparison) - 通过 LangGraph 工作流、LiteLLM 集成以及自动可视化对比 AI 智能体。
2. 部署 ML 模型 (Deploying ML Models) - 将传统 ML 模型部署为具备监控和版本控制能力的生产端点。
3. 部署智能体 (Deploying Agents) - 带有流水线、评估和嵌入式 Web UI 的文档分析服务。
4. 端到端批量推理 (E2E Batch Inference) - 包含特征工程的完整 MLOps 流水线。
5. LLM RAG 流水线 (LLM RAG Pipeline) - 带有评估循环的生产级 RAG。
6. 智能体工作流 (Agentic Workflow - Deep Research) - 使用 ZenML 编排你的智能体。
7. 微调流水线 (Fine-tuning Pipeline)