lzy

一套工作流，本地远程无缝跑，算力随便用

lzy 是一个面向机器学习工作流的混合执行平台，核心目标是让用户无需关心代码在本地还是远程运行，透明地整合本地与远程运行时。它通过统一的执行抽象，将工作流中的任务自动调度到最合适的计算环境（如本地开发机或云端集群），从而解决 ML 开发中环境不一致、资源利用率低、任务迁移成本高的问题。平台基于 Java 构建，支持将本地代码无缝扩展到远程执行，同时保持数据一致性和状态同步。其核心能力包括工作流定义、任务分发、运行时管理以及本地/远程资源的动态绑定，适合需要灵活利用异构计算资源的 ML 团队。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 73

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lambdazy

所属国家

官网地址

GitHubhttps://github.com/lambdazy/lzy

定价模式free

价格说明开源项目，无官网，需自行部署，全部功能免费。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Java

技术栈/模型distributed,hybrid,kubernetes,machine-learning,mlops,orchestration-engine,python,workflow

GitHub 星标★ 73

30天Star增速

HF 下载量

上线时间2021-10-14 00:00:00

最近更新2026-04-08 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

透明混合执行：无需修改代码即可将本地工作流扩展到远程，降低迁移成本
动态资源调度：根据任务需求自动选择本地或远程运行时，提升资源利用率
统一抽象层：屏蔽底层环境差异，简化多环境下的 ML 工作流管理

不足之处

项目处于早期，文档和社区生态尚待完善
仅支持 Java 技术栈，对 Python 为主的 ML 生态覆盖有限

适用场景

本地开发与云端训练混合的 ML 实验场景
团队需要共享远程 GPU 资源但代码需本地调试的场景
需要将现有本地工作流快速迁移到集群执行的场景

替代项目

Apache Airflow、Kubeflow、Ray

项目介绍

lzy 是基础设施领域的开源项目，由 lambdazy 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 73。

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 2026-04-08。无官网，需自行部署，全部功能免费。

它主要面向的使用场景是：本地开发与云端训练混合的ML实验场景。同类可对比的替代方案包括 Apache Airflow、Kubeflow、Ray。

上一篇：feathub

下一篇：great_expectations_action

lzy