一份清单，从零入门到精通 MLOps 全流程。
Awesome-MLOPS 是一个精选资源列表，旨在帮助初学者从零开始系统掌握 MLOps（机器学习运维）。它聚合了从基础概念到高级实践的各类学习材料，包括教程、工具、框架、最佳实践和案例研究，覆盖模型开发、部署、监控、治理等全生命周期。项目解决了 MLOps 领域知识分散、入门路径不清晰的问题，为学习者提供了一条结构化的学习路线，同时也为从业者提供了快速查阅工具和资料的参考手册。其核心能力在于资源的系统组织和持续更新，降低了学习门槛，加速了知识获取。
awesome-mlops、mlops-tooling、production-ml
Awesome-MLOPS 是基础设施领域的开源项目，由 Pythondeveloper6 开发，2023 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 383。
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 2026-09-20。开源资源列表，完全免费，无付费版本。
它主要面向的使用场景是：新手入门MLOps，需要系统学习路径。同类可对比的替代方案包括 awesome-mlops、mlops-tooling、production-ml。
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···
