awesome-ml-monitoring

找ML监控工具，看这个清单就够了

这是一个精选列表，汇总了用于监控数据质量、监控模型性能和分析数据的开源工具及商业产品。它解决了机器学习模型上线后缺乏有效监控手段的问题，帮助团队及时发现数据漂移、模型退化等问题。项目本身是一个资源导航，按功能分类整理了各类工具，包括数据质量监控、模型性能监控、数据剖析等，并标注了开源或商业属性。核心能力在于提供一站式的工具检索和对比参考，方便数据科学家和ML工程师快速找到适合自身场景的解决方案。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 96
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类基础设施
开发团队awesome-mlops
所属国家
官网地址
GitHubhttps://github.com/awesome-mlops/awesome-ml-monitoring
定价模式free
价格说明开源项目，全部功能免费，无付费版本。
访问状态
是否开源是
开源协议Apache-2.0
主要语言
技术栈/模型aiops,concept-drift,data-cleaning,data-drift,data-management,data-monitoring,data-quality,data-science,dataops,datascience,deep-learning,machine-learning,machine-learning-platform,mlops,model-drift,model-explainability,model-management,model-monitoring,model-performance
GitHub 星标★ 96
30天Star增速
HF 下载量
上线时间2022-04-20 00:00:00
最近更新2026-09-13 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 分类清晰，覆盖数据质量、模型性能、数据剖析等关键监控维度
  • 同时收录开源和商业工具，提供多样化选择
  • 精选列表，避免用户在海量项目中盲目搜索

不足之处

  • 项目为列表形式，不提供工具的实际使用指南
  • 文档/社区待观察

适用场景

  • 为机器学习项目选型监控工具时
  • 调研数据漂移和模型退化解决方案时
  • 对比开源与商业监控产品功能时

替代项目

awesome-mlops、evidently、whylogs

项目介绍

awesome-ml-monitoring 是评测安全领域的开源项目，由 awesome-mlops 开发，2022 年首次发布。

它收录于评测安全分类，该分类目前共有 458 个项目，GitHub 星标数为 96。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-13。全部功能免费，无付费版本。

它主要面向的使用场景是：为机器学习项目选型监控工具时。同类可对比的替代方案包括 awesome-mlops、evidently、whylogs。

上一篇：awesome-security-for-ai

下一篇：ParseBench

同类项目推荐

akto 开源

给 AI 应用做安全体检，防提示注入和数据泄露

Akto is the fastest growing AI Security platform for your teams to secure AI agents,···

★ 1517 2026-08-20
XSafeClaw 开源

给 AI 智能体装上安全盾，自动红队测试找漏洞

Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University

★ 164 2026-08-10
deepteam 开源

自动模拟越狱攻击，提前测出 LLM 安全漏洞

DeepTeam is a framework to red team LLMs and AI agents.

★ 2937 2026-09-12
Tracely-ai 开源

把生产事故变成回归测试，合并前自动拦截 AI 故障

Trace-native CI/CD for AI agents — production failures become regression tests that···

★ 1362 2026-08-24