modelfox

一条命令完成模型训练、部署和监控，告别复杂 ML 工程链

开源 🏷️定价信息待确认 🔧 仅开源项目，无在线服务，需自行部署 基础设施 🍴 复刻 62 🐛 待处理 39 👀 关注 26
GitHub ↗
GitHub 星标 ★ 1461
维护状态 低维护
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

modelfox 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类基础设施
开发团队modelfoxdotdev
GitHubhttps://github.com/modelfoxdotdev/modelfox
定价模式🏷️定价信息待确认
价格说明开源项目，无官网信息，定价模式待确认。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议NOASSERTION
主要语言Rust
技术栈/模型automl,developer-tools,elixir,elixir-lang,go,golang,javascript,js,machine-learning,mlops,python,python3,ruby,ruby-on-rails,rust,rust-crate,rust-lang,rust-library,rustlang
GitHub 星标★ 1461
上线时间2021-04-23 00:00:00
代码更新2024-08-02
仓库体积28.1 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数4

项目介绍

ModelFox 是一个用 Rust 编写的机器学习模型全生命周期管理工具，旨在简化从训练到部署再到监控的完整流程。它解决了机器学习模型在工程化落地中流程割裂、工具链复杂的问题，让开发者无需在多个系统间切换。核心能力包括：通过简洁的 CLI 和配置文件定义训练任务，支持表格数据的分类与回归；自动生成可部署的预测 API，提供 Rust、Python、JavaScript 等多种语言的客户端；内置模型监控功能，可追踪生产环境中的预测漂移和数据质量。项目采用 Rust 实现，性能优异且部署为单一二进制文件，便于集成到现有基础设施中。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1461

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门 约 10 分钟 部署方式：命令行工具 5 步

环境要求

  • 可从 GitHub Releases（v0.8.0）下载 modelfox CLI 二进制文件，或从源码构建
  • 一个 CSV 格式的训练数据文件
  • 知道 CSV 中要预测的目标列名
  • 可选：Elixir / Go / JavaScript / PHP / Python / Ruby / Rust 客户端库用于调用预测

安装与启动步骤

  1. 1安装 CLI

    从最新 GitHub Release 页面下载对应平台的 modelfox 二进制文件，或按 README 说明从源码构建。

  2. 2准备 CSV 数据

    准备一个 CSV 文件作为训练数据，并确认要预测的那一列的列名。

  3. 3训练模型

    在命令行运行 modelfox train，传入 CSV 文件路径和要预测的列名，等待训练完成。

    modelfox train your_data.csv your_target_column

  4. 4查看与监控

    运行 modelfox app，在浏览器中了解模型情况并监控生产环境中的表现。

    modelfox app

  5. 5调用预测

    使用官方客户端库在 Elixir、Go、JavaScript、PHP、Python、Ruby 或 Rust 中做预测。

如何确认成功

modelfox train 无报错并输出训练结果；modelfox app 能在浏览器打开查看模型。

常见问题

Q：怎么安装 modelfox CLI？

A：从最新 GitHub Release（v0.8.0）下载二进制文件，或者从源码构建，README 未给出具体的构建命令。

Q：训练需要什么格式的数据？

A：需要 CSV 文件，并在命令中指定要预测的列名，README 未说明其他格式要求。

Q：支持哪些语言调用预测？

A：支持 Elixir、Go、JavaScript、PHP、Python、Ruby 和 Rust，均有对应的官方库。

Q：如何监控线上模型？

A：运行 modelfox app，在浏览器中查看模型信息并监控生产环境中的预测情况。

注意事项

  • README 只说明可从 GitHub Release 下载二进制或从源码构建，未给出具体构建命令。
  • 项目提供 Elixir、Go、JavaScript、PHP、Python、Ruby、Rust 多语言客户端库。
  • 遇到问题可加入官方 Discord 社区（https://discord.gg/jT9ZGp3TK2）寻求帮助。

核心亮点

  • Rust 实现，单二进制部署，无外部依赖，运维极简
  • 内置模型监控与漂移检测，开箱即用，无需额外搭建监控系统
  • 提供多语言客户端（Python/JS/Rust），接入成本低

不足之处

  • 仅支持表格数据，不支持图像/文本等深度学习场景
  • 项目星标和社区规模较小，文档和生态成熟度有限

适用场景

  • 快速为业务表格数据构建预测 API 并部署上线
  • 需要轻量级模型监控和漂移告警的在线推理服务
  • 在 Rust 技术栈中集成机器学习能力的边缘或后端服务

替代项目

BentoML、Ray Serve、MLflow

上一篇：benderopt

下一篇：modelkit

同类项目推荐

lora-inspector 开源

拆开 LoRA 黑盒，看清每层权重学了啥

LoRA (Low-Rank Adaptation) inspector for Stable Diffusion

★ 101 2026-09-28
AutoTimes 开源

用大模型直接做时间序列预测，无需改架构

Official implementation for "AutoTimes: Autoregressive Time Series Forecasters via L···

★ 270 2026-08-09
self-refine 开源

让大模型自己挑错改错，越改越好

LLMs can generate feedback on their work, use it to improve the output, and repeat t···

★ 849 2026-08-09
DART 开源

扩散式推测解码，让大模型推理更快更省算力

Official Implementation of DART (DART: Low-Latency Parallel Drafting with Continuity···

★ 73 2026-08-09
AMD-LLM 开源

在 AMD GPU 上快速跑通 1.35 亿参数语言模型训练

Training code and resources for AMD-135M language models on AMD GPUs.

★ 195 2026-08-09
Awesome-Quantization-Papers 开源

一站式追踪神经网络量化前沿论文，快速掌握技术脉络。

List of papers related to neural network quantization in recent AI conferences and j···

★ 855 2026-08-09
modalities 开源

PyTorch 原生分布式训练，配置化复现大模型实验

Modalities, a PyTorch-native framework for distributed and reproducible foundation m···

★ 112 2026-09-19
h2o-llmstudio 开源

不用写代码，拖拽配置就能微调大模型

H2O LLM Studio - a framework and no-code GUI for fine-tuning LLMs. Documentation: ht···

★ 5194 2026-08-09
AgentGym 开源

让大模型智能体在多样环境中自我进化，一键复现论文实验

Code and implementations for the ACL 2025 paper "AgentGym: Evolving Large Language M···

★ 857 2026-08-09