把 Python 代码一键变成分布式，搞定大规模 AI 训练和部署
Ray 是一个面向 AI 计算的分布式引擎，由核心分布式运行时和一组 AI 库组成，用于加速机器学习工作负载。它解决了大规模分布式训练、调参、推理和服务部署中的工程复杂性，让开发者能够将单机 Python 代码无缝扩展到集群。核心能力包括：分布式任务调度、分布式数据处理（Ray Data）、强化学习库（RLlib）、超参调优（Tune）、模型服务（Serve）等。Ray 提供统一的 API，支持从数据预处理到模型训练、部署的全链路，并与 PyTorch、TensorFlow 等主流框架深度集成。它被广泛应用于 OpenAI、Uber、蚂蚁集团等公司的生产环境，是构建可扩展 AI 应用的基础设施。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1查阅官方文档
README 节选未给出安装命令，先访问 docs.ray.io，按自身环境选择对应安装说明。
2免费试用云平台
README 提供 Anyscale 的免费开始入口，可在云端体验 Ray，无需先配置本地环境。
3加入社区提问
遇到问题可加入 Ray Slack 或在 Discuss 论坛提问，README 中给出了两个入口链接。
4关注版本与动态
可通过 README 中给出的 X/Twitter 账号关注 Ray 的更新与发布信息。
能正常打开 docs.ray.io 文档页，并进入 Anyscale 免费试用入口，即说明访问链路正常。
Q：本地安装 Ray 的命令是什么？
A：本次 README 节选中未给出任何安装命令，请以 docs.ray.io 官方文档的安装页面为准，不要照搬非官方来源的命令。
Q：必须使用 Anyscale 才能用 Ray 吗？
A：README 只是提供了一个免费试用的快速入口，并不表示必须使用；具体运行方式请参考官方文档。
Q：遇到使用问题去哪里求助？
A：可加入 README 中给出的 Ray Slack（ray.io/join-slack），或在 discuss.ray.io 论坛发帖提问。
Q：Ray 能和哪些框架配合？
A：README 节选未展开说明，其定位是统一框架，用于扩展 AI 与 Python 应用，集成细节请查官网与文档。
Dask、Horovod、Apache Spark MLlib
ray 是基础设施领域的开源项目，由 ray-project 开发，2016 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（43,895）位列前 1%，在基础设施分类的 1,132 个项目里位列前 2%。
近 41 天，它的 GitHub 星标从 43,503 增加到 43,895，净增 392。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。Apache-2.0许可证，可免费使用和部署。
它主要面向的使用场景是：大规模分布式模型训练和超参调优。同类可对比的替代方案包括 Dask、Horovod、Apache Spark MLlib。
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···
