mltrace 是基础设施领域的开源项目，由 loglabs 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 469。
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 2026-06-14。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：机器学习实验管理，记录每次训练的数据与代码版本。同类可对比的替代方案包括 MLflow、DVC、Pachyderm。
mltrace
轻量追踪 ML 管道血缘，实验来源一目了然
mltrace 是一个面向机器学习管道的粗粒度血缘追踪工具。它解决的是 ML 实验中数据与模型来源难以追溯的问题，帮助用户记录每次运行所依赖的数据集、代码版本、超参数等关键信息。其核心能力包括：通过简单的 API 装饰器自动捕获管道运行上下文，生成可查询的血缘图；支持与常见 ML 框架（如 TensorFlow、PyTorch）集成；提供命令行和 Python 接口，便于在训练脚本中嵌入。项目目前处于早期阶段，代码简洁，易于扩展，适合需要轻量级实验追踪的团队或个人使用。
开源
free
基础设施
GitHub 星标
★ 469
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loglabs
所属国家
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Python
技术栈/模型devops,machine-learning,mlops,pipeline-management,tracing
GitHub 星标★ 469
30天Star增速
HF 下载量
上线时间2021-02-18 00:00:00
最近更新2026-06-14 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2
使用教程
核心亮点
- 粗粒度设计，接入成本低，只需装饰器即可记录运行上下文
- 支持自定义元数据，可灵活记录数据集、超参数等关键信息
- 提供简单查询接口，快速回溯实验依赖关系
不足之处
- 文档较少，仅限基础用法，高级功能需阅读源码
- 社区活跃度低，问题响应可能较慢
适用场景
- 机器学习实验管理，记录每次训练的数据与代码版本
- 团队协作时，快速定位模型复现所需的依赖条件
- 合规审计，提供模型训练过程的血缘证据
替代项目
MLflow、DVC、Pachyderm
项目介绍
上一篇：actions-ml-cicd
下一篇：mlops-platforms
同类项目推荐
freebuff-proxy
开源
聚合多账号，一键接入 OpenAI 兼容 API，轻松管理会话。
Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···
microduck
开源
用 Rust 造一只会走路的桌面小鸭，快速上手双足机器人。
A Tiny biped duck robot
soperator
开源
用 Kubernetes 原生方式运行 Slurm，简化 HPC 集群管理。
Run Slurm in Kubernetes
ollama
开源
一条命令本地跑起大模型，免费、私密、不卡顿
Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···