gcp
本站收录 21 个带「gcp」标签的 AI 开源项目
generative-aigenerative-ai 是 Google Cloud 官方维护的开源示例库，专注于生成式 AI 在 Google Cloud 上的落地实践。项目提供大量 J★ 17,775
docker-androiddocker-android 是一个把 Android 模拟器完整封装进 Docker 容器的开源方案，解决在 CI/CD、云端或本地无头服务器上运行 Andr★ 15,884
metaflowNetflix 开源的 AI/ML 系统构建与管理框架，帮助开发者轻松编写、运行和部署机器学习流水线。它提供了简洁的 Python API，支持本地开发与云端规★ 10,283
agent-starter-packagent-starter-pack 是一个面向 Google Cloud 的 AI 智能体生产级启动模板集合，旨在将 AI 智能体的部署周期从数月缩短至数分钟★ 6,561
infrainfra 是 E2B Cloud 的基础设施层，用 Go 语言实现，为 AI 智能体提供安全、隔离的云端代码解释器运行环境。它解决的核心问题是：让大语言模型（★ 1,646
hopsworksHopsworks 是一个面向数据密集型 AI 的平台，核心是 Feature Store（特征存储），旨在解决机器学习特征管理混乱、训练与推理数据不一致的问题★ 1,306
vertex-ai-mlopsvertex-ai-mlops 是 Google Cloud 官方提供的端到端机器学习运维（MLOps）参考实现，基于 Vertex AI 平台构建。它解决企业★ 719
drawio-ai-kitdrawio-ai-kit 是一个帮助 AI 生成正确、美观的 draw.io 图表的开源工具包。它主要解决大语言模型在生成架构图、流程图时常见的结构混乱、元素★ 649
Ivy-FrameworkIvy-Framework 是一个用 C# 统一前后端来构建内部工具的开发框架。它解决的是企业内部管理后台、运维面板、数据录入等工具开发中前后端割裂、重复造轮子★ 435
auroraAurora 是一个开源的 AI 驱动的事件管理与根因分析平台，专为 SRE（站点可靠性工程师）设计。它利用 LangGraph 构建智能体，能够自动调查 AW★ 428
mlops-with-vertex-ai这是一个端到端的 MLOps 示例项目，展示如何在 Google Cloud 上使用 TensorFlow、TFX 和 Vertex AI 构建完整的机器学习流★ 424
kubernetes-mlops这是一个面向MLOps的实战教程项目，使用Python、Docker和Kubernetes构建完整的机器学习运维流水线。它解决了机器学习模型从开发到生产部署过程★ 415
nudgebeeNudgebee 是一个统一的云运维平台，旨在解决多云环境下工具碎片化、上下文切换频繁以及模型锁定等问题。它将 AI 驱动的 SRE（站点可靠性工程）、FinO★ 397
clankerclanker 是一个面向多云环境的自主系统运维 CLI 智能体，用 Go 编写，支持 AWS、GCP、Cloudflare 等主流云平台。它旨在将 AI 代理★ 377
terraform-provider-iterativeterraform-provider-iterative 是一个 Terraform 插件，专为机器学习工作负载设计，用于在 AWS、GCP、Azure 和 K★ 295
bentoctlbentoctl 是一个用于快速部署机器学习模型到任意云平台的开源工具，由 BentoML 团队开发。它解决了 ML 模型从本地开发到云端生产环境部署流程繁琐、★ 175
genai-factorygenai-factory 是一套面向 Google Cloud（GCP）的生成式 AI 基础设施蓝图集合，用 Terraform（HCL）编写，目标是把部署生★ 168
agentsmithyAgentSmithy 是一个面向 Google Cloud 的 AI 智能体开发工具包，旨在简化自定义 AI 代理的构建与部署流程。它提供了一系列模板和工具，★ 123
decisionbox-platformDecisionBox 是一个连接数据仓库的自主 AI 分析平台，用 Go 和 Next.js 构建。它解决的是数据分析中“被动查询”的痛点，无需用户提问，AI★ 120
google-cloud-mcpgoogle-cloud-mcp 是一个基于 Model Context Protocol (MCP) 的服务器实现，专门为 Google Cloud Plat★ 80
swarms-cloudswarms-cloud 是一个面向自主智能体（Agent）的生产级部署平台，旨在解决将 AI 智能体从原型推向真实业务环境时面临的稳定性、扩展性和运维难题。它★ 57