lilypad 是基础设施领域的开源项目，由 Mirascope 开发，2024 年首次发布。
它收录于基础设施分类，该分类目前共有 1,132 个项目，GitHub 星标数为 214。
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 2026-08-03。开源工具，可自行部署，完全免费。
它主要面向的使用场景是：机器学习团队管理多版本模型与实验记录。同类可对比的替代方案包括 MLflow、Weights & Biases、DVC。
lilypad
像管代码一样管模型，一键追踪、标注、迭代
lilypad 是一个开源的模型版本管理、追踪与标注工具，旨在解决 AI 开发中模型迭代混乱、实验追踪困难、数据标注分散的问题。它提供类似 Git 的版本控制能力，让开发者可以记录每次模型训练的变更；内置完整的追踪系统，自动记录训练参数、指标和代码环境；同时集成标注功能，支持团队协作进行数据标注和模型输出评估。核心能力包括：模型仓库管理、实验对比分析、标注任务分配、以及可视化仪表盘。项目采用 Python 构建，适合机器学习团队在开发流程中建立规范化的模型生命周期管理，提升从实验到部署的可复现性和协作效率。
开源
free
开源模型
GitHub 星标
★ 214
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队Mirascope
所属国家
定价模式free
价格说明开源工具，可自行部署，完全免费。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型
GitHub 星标★ 214
30天Star增速
HF 下载量
上线时间2024-06-05 00:00:00
最近更新2026-08-03 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6
使用教程
核心亮点
- 提供模型级版本控制，可回溯任意历史版本并对比差异
- 自动记录训练环境与参数，实验复现无需手动整理
- 内置标注工作流，支持团队协作标注模型输出
不足之处
- 项目处于早期阶段，功能完整性和稳定性待验证
- 文档和社区生态尚不成熟，学习资源有限
适用场景
- 机器学习团队管理多版本模型与实验记录
- 数据科学家需要对比不同训练参数的效果
- 需要团队协作进行模型输出质量评估与标注
替代项目
MLflow、Weights & Biases、DVC
项目介绍
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···