pixeltable

像用数据库一样管理多模态 AI 数据,省去管道工程

开源 🏷️定价信息待确认 ✅ 目前可打开 对话助手 🍴 复刻 235 🐛 待处理 38 👀 关注 19
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1659
维护状态 活跃
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

pixeltable 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类对话助手
开发团队pixeltable
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态✅ 目前可打开
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agents,ai,backend,computer-vision,data-science,database,databases,fastapi,genai,llm,machine-learning,multimodal,orchestration,postgres,python,rag,serving
GitHub 星标★ 1659
上线时间2023-05-10 00:00:00
代码更新2026-11-08
仓库体积394.1 MB
本站数据更新2026-11-09
维护状态活跃
收录时间2026-08-09
浏览次数6

项目介绍

Pixeltable 是一个面向 AI 数据应用的多模态数据后端,旨在统一管理图像、视频、文本等非结构化数据及其相关的元数据和 AI 模型输出。它解决了 AI 开发中数据管道复杂、特征工程繁琐、数据版本管理困难等问题,提供类似数据库的声明式接口,让开发者可以像操作 SQL 表一样管理多模态数据。核心能力包括:自动化的数据版本控制、内置特征存储、支持 Python UDF 和 SQL 查询、与主流 ML 框架集成,以及针对 LLM 和计算机视觉工作流的优化。通过 Pixeltable,团队可以显著减少数据工程工作量,加速从原型到生产的 AI 应用落地。

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 ★ 1659

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:库/依赖 5 步

环境要求

  • 已安装 Python 环境(README 未给出具体版本要求)
  • pip 可正常安装第三方包
  • 需要可联网访问 PyPI
  • 以 Python 库 + pxt 命令行工具两种方式使用

安装与启动步骤

  1. 1安装 Pixeltable

    使用 pip 安装 Pixeltable 及其 serve 附加组件,命令中的 extras 需用引号包裹,避免 shell 解析方括号出错。

    pip install 'pixeltable[serve]'
  2. 2初始化环境

    安装完成后执行 pxt init 完成命令行工具的初始化配置,未初始化前后续 pxt 命令可能无法正常使用。

    pxt init
  3. 3生成示例应用

    用内置示例生成一个可运行的 app.py,作为后续创建目录和部署服务的输入文件,可先阅读其内容。

    pxt service example --out app.py
  4. 4创建目录结构

    根据 app.py 中的定义创建名为 my_app 的 catalog 及其表结构,这是后续服务部署依赖的元数据基础。

    pxt schema update app.py my_app
  5. 5部署应用服务

    把 app.py 中定义的服务更新到 my_app 上,README 中这是安装体验流程的最后一步。

    pxt service update app.py my_app

如何确认成功

以上命令均无报错即视为成功,其中 pxt schema update 会创建目录 my_app;更完整的验证方式见官方 Quickstart 文档。

常见问题

Q:pip install 时报方括号相关错误怎么办?

A:extras 写法必须加引号,使用 pip install 'pixeltable[serve]',否则部分 shell 会把方括号当成通配符解析。

Q:pxt 命令可以用哪些参数?

A:README 未列出完整参数,仅给出 init、service example、schema update、service update 四个用法,其余请查阅官方 CLI 文档。

Q:app.py 里的示例内容是什么?

A:README 未展示示例代码内容,执行 pxt service example --out app.py 后直接打开生成的 app.py 阅读即可。

Q:能否直接用云端托管版本?

A:Pixeltable Cloud 目前处于 Limited Beta,需发邮件至 contact@pixeltable.com 申请,README 未给出其他云端使用步骤。

注意事项

  • README 中 extras 必须写成 'pixeltable[serve]',引号不可省略。
  • 示例目录名 my_app 来自 README 命令,实际使用时需与 app.py 中定义保持一致。
  • Pixeltable Cloud 为限量 Beta,现有安装流程为本地 Python 环境自建。
  • 更多用法见官方文档 docs.pixeltable.com 与 quick-start 页面。

核心亮点

  • 声明式数据管理,自动处理版本和血缘,减少手写管道代码
  • 内置特征存储,支持在线/离线特征复用,加速模型迭代
  • 原生支持多模态数据(图像、视频、文本),与 LLM/CV 工作流无缝衔接

不足之处

  • 项目较新,生态和文档仍在完善中
  • 对复杂自定义数据管道的灵活性可能不如纯代码方案

适用场景

  • 构建多模态 RAG 应用,统一管理文档、图片和向量索引
  • 计算机视觉项目中的数据集版本管理和特征工程
  • 需要快速原型验证的 AI 应用,减少数据工程负担

替代项目

Feast、Hopsworks、Activeloop Deep Lake

上一篇:intel-extension-for-transformers

下一篇:parallax

同类项目推荐

llama3.java 开源

纯 Java 跑 Llama 3,不装 Python 也能本地推理

Llama 3+ inference in pure Java

★ 816 2026-08-09
token-limit 开源

盯紧 AI 上下文用量,超限自动提醒,省钱省心

Monitor how many tokens your code and configs consume in AI tools. Set budgets and g···

★ 65 2026-08-09
agentcat-python-sdk 开源

给 MCP 服务器装上监控眼,实时洞察 AI 代理调用。

AgentCat is an analytics platform for MCP server owners .

★ 53 2026-08-09
LLaMA_MPS 开源

在 Mac 上让 LLaMA 跑得更快,用上 GPU 加速推理。

Run LLaMA (and Stanford-Alpaca) inference on Apple Silicon GPUs.

★ 575 2026-08-09
d-inference 开源

把闲置 Mac 组成私有推理集群

Private Inference Network on Idle Macs

★ 572 2026-10-25
noronha 开源

用声明式管道搞定 ML 数据流程,快速上线模型

DataOps framework for Machine Learning projects.

★ 61 2026-08-09
sd-webui-all-in-one 开源

一键安装管理多种AI绘图工具,省去折腾环境

支持安装、下载、启动和管理多种 AI WebUI / 训练工具的一体化项目,提供 Installer、整合···

★ 268 2026-08-09
metaflow-tools 开源

一键部署 Metaflow 生产环境,省心运维工作流平台

Tools and utilities for operating Metaflow in production

★ 68 2026-08-09