ZenML 🙏: 从流水线到 AI Agent 的统一平台

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

🎉 查看更新日志以获取最新版本信息。

---

ZenML 专为在企业环境中从事传统 ML 用例、LLM 工作流或 AI Agent 开发的 ML/AI 工程师而打造。

其核心价值在于，ZenML 允许你编写可在任何基础设施后端（Stacks）上运行的工作流（Pipelines）。你可以将任何 Python 逻辑嵌入到这些流水线中，例如模型训练或运行 Agent 循环。ZenML 通过以下方式实现应用程序的运营化：

1. 自动进行代码容器化和追踪。
2. 通过指标、日志和元数据追踪每一次运行。
3. 抽象化基础设施复杂性。
4. 集成你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，通过可观测层快速迭代实验。

...以及更多其他功能。

全球有数千家公司使用 ZenML 运行其 AI 工作流，以下是部分代表企业：

（如需加入展示，请联系 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 将安装轻量级客户端

# 初始化 ZenML 仓库
zenml init

# 启动本地服务器或连接至远程服务器
zenml login

安装完成后，你可以探索本项目中的任何 examples。我们建议从 quickstart 开始，它展示了 ZenML 的核心概念：流水线（Pipelines）、步骤（Steps）、工件（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 Web 仪表盘 (zenml-io/zenml-dashboard)：

• 本地开发：pip install "zenml[local]" - 在本地同时运行客户端和服务器。
• 生产环境：独立部署服务器，使用 pip install zenml + zenml login 进行连接。

🎮 演示

观看简短演示视频：

🖼️ 资源

学习 ZenML 的最佳途径是阅读我们完善的文档和教程：

• 文档 - 完整的产品文档
• 你的第一个 AI 流水线 - 在几分钟内构建并评估 AI 服务
• 入门指南 - 从零到生产环境部署仅需 30 分钟
• LLMOps 指南 - 针对 LLM 应用的特定模式
• SDK 参考 - 完整的 SDK API 参考文档

📚 更多示例

1. Agent 架构对比 - 对比使用 LangGraph 工作流、LiteLLM 集成以及通过自定义 materializers 进行自动可视化的 AI Agent。
2. ML 模型部署 - 将传统 ML 模型部署为带有监控和版本控制的生产端点。
3. Agent 部署 - 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 - 包含特征工程的完整 MLOps 流水线。
5. LLM RAG 流水线 - 带有评估循环的生产级 RAG。
6. Agentic 工作流 (深度研究) - 使用 ZenML 编排你的 Agent。
7. 微调流水线 - 模型微调流水线示例。