mloda

插件化数据访问，让 AI 应用轻松获取可追溯的数据上下文。

mloda 是一个面向 AI 和机器学习场景的开源数据访问框架，采用插件化架构设计，旨在解决 AI 应用开发中数据获取、特征工程和上下文构建的碎片化问题。它提供统一的数据访问层，支持多种数据源和格式，并通过可追踪的 lineage 机制确保数据血缘清晰。框架无关的特性使其能轻松集成到现有 AI/ML 工作流中，无论是传统机器学习还是大语言模型应用。核心能力包括：插件化扩展、上下文工程、特征工程、数据管道编排以及端到端的数据可追溯性。项目处于早期阶段，社区驱动开发，适合需要灵活数据接入和治理的 AI 项目团队。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 88

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队mloda-ai

所属国家

官网地址https://mloda.ai

GitHubhttps://github.com/mloda-ai/mloda

定价模式unknown

价格说明定价信息待确认

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ai-agents,community-driven,context-engineering,data-access,data-engineering,data-pipeline,feature-engineering,lineage,llm,llmops,mlops,plugin-framework,python,rag

GitHub 星标★ 88

30天Star增速

HF 下载量

上线时间2025-01-04 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

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7

使用教程

核心亮点

插件化架构，可灵活扩展数据源和处理逻辑，适应多样数据场景
内置数据血缘追踪，提升 AI 模型训练数据的可解释性和合规性
框架无关设计，能无缝对接主流 AI/ML 工具链，降低集成成本

不足之处

项目处于早期阶段，文档和社区生态尚待完善
功能覆盖广但深度有限，复杂数据管道场景可能需要自行扩展

适用场景

为 RAG 或 Agent 应用构建统一、可追溯的数据上下文
在 ML 流水线中实现特征工程与数据血缘的自动化管理
作为数据中台层，统一对接多种数据源供 AI 应用调用

替代项目

Feast、Great Expectations、OpenLineage

项目介绍

mloda 是基础设施领域的开源项目，由 mloda-ai 开发，2025 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 88。

近 44 天，它的 GitHub 星标从 73 增加到 88，净增 15。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。从国内网络环境看，可直接访问。

它主要面向的使用场景是：为RAG或Agent应用构建统一、可追溯的数据上下文。同类可对比的替代方案包括 Feast、Great Expectations、OpenLineage。

上一篇：anythingmcp

下一篇：open-relay