fuseml

把散落的 AI 工具串成自动化流水线，减少集成折腾

FuseML 是一个开源的 MLOps 框架，旨在作为动态集成层，将用户选择的 AI/ML 工具（如训练框架、模型注册、CI/CD 等）组合成一个统一的工作流。它解决的是 MLOps 工具链碎片化、集成成本高的问题，通过可扩展的集成器（integrators）机制，让数据工程师和 DevOps 工程师协作贡献可复用的集成代码，从而快速搭建端到端的机器学习流水线。核心能力包括：工作流编排、工具插件化、生命周期管理（从数据准备到模型部署）。项目采用 Go 语言开发，目前处于早期阶段，社区活跃度较低，但架构设计清晰，适合对 MLOps 定制化有需求的团队探索。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 85

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fuseml

所属国家

官网地址

GitHubhttps://github.com/fuseml/fuseml

定价模式free

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Go

技术栈/模型ai,artificial-intelligence,automation-recipes,choice,data-engineers,data-scientists,deep-learning,devops-engineers,flexible,kfserving,kubernetes,machine-learning,mlflow,mlops,orchestration,tekton,workflow

GitHub 星标★ 85

30天Star增速

HF 下载量

上线时间2021-03-12 00:00:00

最近更新2026-01-25 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8

使用教程

核心亮点

插件化集成器设计，支持自定义工具接入，灵活性高
面向数据/DevOps 工程师协作，降低 MLOps 落地门槛
Go 编写，部署简单，性能开销低

不足之处

项目处于早期，文档和示例较少，上手有一定难度
社区规模小，生态尚未成熟，第三方集成器有限

适用场景

企业内部需要整合多种 ML 工具但缺乏统一编排的场景
团队希望用代码方式定义 MLOps 流水线，追求可复用性
从零构建定制化 MLOps 平台，避免被单一厂商锁定

替代项目

Kubeflow、MLflow、ZenML

项目介绍

fuseml 是基础设施领域的开源项目，由 fuseml 开发，2021 年首次发布。

它收录于基础设施分类，该分类目前共有 1,130 个项目，GitHub 星标数为 85。

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 2026-01-25。Apache-2.0许可证，可免费使用和部署。

它主要面向的使用场景是：企业内部需要整合多种ML工具但缺乏统一编排的场景。同类可对比的替代方案包括 Kubeflow、MLflow、ZenML。

上一篇：paas-data-ingestion

下一篇：dama