zenml

用代码编排 AI 管道,从实验到生产一键切换

开源 🏷️基础免费,高级付费 ✅ 目前可打开 基础设施 🍴 复刻 673 🐛 待处理 178 👀 关注 42
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 5638
维护状态 活跃
是否开源 开源
定价模式 🏷️基础免费,高级付费 支持限时试用 · 提供免费社区版,含核心功能;企业版需付费,提供高级功能与支持。具体价格需联系销售。

项目预览

zenml 项目界面预览图
图片来源:项目官网

项目数据

分类基础设施
开发团队zenml-io
官网地址https://zenml.io
定价模式🏷️基础免费,高级付费
价格说明提供免费社区版,含核心功能;企业版需付费,提供高级功能与支持。具体价格需联系销售。
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agentops,agents,ai,automl,data-science,deep-learning,devops-tools,genai,llm,llmops,machine-learning,metadata-tracking,ml,mlops,pipelines,production-ready,pytorch,tensorflow,workflow,zenml
GitHub 星标★ 5638
上线时间2020-11-19 00:00:00
代码更新2026-11-07
仓库体积914.5 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7

项目介绍

ZenML 是一个面向机器学习团队的端到端 MLOps 平台,旨在统一从数据准备、模型训练到部署和监控的整个 AI 生命周期。它通过可组合的管道(Pipelines)抽象,帮助团队将实验代码快速转化为生产级工作流,并支持与主流工具(如 MLflow、Kubeflow、Airflow)无缝集成。其核心能力包括:可复现的管道编排、自动化的元数据追踪、基于栈(Stack)的灵活基础设施配置,以及从本地开发到云端部署的平滑迁移。近期版本还扩展了对 LLM/Agent 工作流的支持,使平台不仅限于传统 ML,也能管理生成式 AI 应用的编排与评估。ZenML 强调“代码即管道”,通过 Python 原生 API 降低学习曲线,同时提供可视化仪表盘和内置的模型部署、监控组件,解决团队在模型上线过程中的协作和治理难题。

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 ★ 5638

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 5 分钟 部署方式:库/依赖 5 步

环境要求

  • 已安装 Python 与 pip(支持版本见 PyPI 页面)
  • 可访问 PyPI 的网络环境
  • 如需服务端能力,安装时需携带 server 附加依赖
  • 建议在独立的虚拟环境中安装,避免污染全局环境

安装与启动步骤

  1. 1准备 Python 环境

    先确认本机 Python 和 pip 可用,然后创建一个独立虚拟环境,避免与系统包冲突。

    python -m venv .venv
  2. 2激活虚拟环境

    激活刚创建的虚拟环境,后续安装都作用在该环境中。Windows 用户请改用对应激活脚本。

    source .venv/bin/activate
  3. 3安装完整版 ZenML

    README 推荐做法:带 server 附加依赖安装,获得服务端能力。若只需轻量客户端,见下一步。

    pip install "zenml[server]"
  4. 4或安装精简客户端

    README 说明 pip install zenml 只会安装更精简的客户端,适合不需要本地服务端能力的场景。

    pip install zenml
  5. 5确认安装结果

    用 pip 查看已安装的 zenml 包信息与版本号,确认安装成功且版本符合预期。

    pip show zenml

如何确认成功

执行 pip show zenml,能输出包名、版本和安装位置即表示安装成功。

常见问题

Q:该装 zenml 还是 zenml[server]?

A:README 明确说明:pip install "zenml[server]" 会安装带服务端能力的版本;pip install zenml 则是更精简的客户端,按是否需要本地服务端能力选择。

Q:安装后想了解版本更新内容?

A:README 提供了 changelog 链接 https://docs.zenml.io/changelog,可查看最新发布说明。

Q:在哪里查详细文档?

A:官方文档地址为 https://docs.zenml.io/,README 中多次给出该入口。

Q:想使用托管版本怎么办?

A:README 提供 ZenML Pro 注册链接(https://zenml.io/pro),可按需选择托管服务。

注意事项

  • README 仅给出 pip 安装方式,未提供 Docker、源码编译等安装说明。
  • 安装时注意命令中的方括号需加引号,写成 "zenml[server]" 可避免某些 shell 解析问题。
  • 若安装报错,先确认 Python 版本符合 PyPI 上 zenml 的要求,并升级 pip。

核心亮点

  • 管道抽象清晰,代码可读性强,易于维护和复用
  • 支持多种编排后端(本地、Kubeflow、Airflow),灵活适配不同基础设施
  • 内置元数据追踪和模型版本管理,提升实验可复现性

不足之处

  • 学习曲线较陡,需要理解管道和栈等核心概念
  • 部分高级功能依赖云服务或额外组件,本地体验有限

适用场景

  • 团队需要统一管理 ML 实验到生产部署流程
  • 多工具链环境下的管道编排和元数据追踪
  • 构建可复现的 LLM 应用评估和部署工作流

替代项目

Kubeflow、MLflow、Flyte

上一篇:nestia

下一篇:learn-harness-engineering

同类项目推荐

langchain-agent-skills 开源

让 AI 助手写 LangChain 代码不再瞎编,一次跑通

A collection of agent-optimized LangChain, LangGraph and LangSmith skills for AI cod···

★ 106 2026-09-12
agents-js 开源

用 Node.js 快速搭建能听会说的实时多模态 AI 智能体

Build realtime multimodal AI agents with Node.js

★ 959 2026-09-12
activeagent 开源

在 Rails 里直接写 AI Agent,复用现有 MVC 与后台任务

ActiveAgent Rails framework for Agent Apps

★ 986 2026-10-13
golc 开源

用 Go 语言像搭积木一样组合 LLM 能力,构建高效 AI 应用。

Building Go applications with LLMs through composability

★ 117 2026-08-09
Ollama 开源

让 .NET 应用几行代码接入本地大模型

Ollama SDK for .NET

★ 208 2026-10-15
ratel 开源

给 AI 代理瘦身,省 80% token,告别工具过载

Context engineering for AI agents. ~80% fewer tokens. Fix tool overload. Skills and ···

★ 554 2026-08-09
awesome-LangGraph 开源

一站式索引 LangGraph 生态,快速找到多智能体应用模板与最佳实践

An index of the LangChain + LangGraph ecosystem: concepts, projects, tools, template···

★ 2040 2026-08-09
AdalFlow 开源

用数据驱动自动优化提示词,快速构建高性能 LLM 应用。

AdalFlow: The library to build & auto-optimize LLM applications.

★ 4227 2026-08-09
JioNLP 开源

中文文本预处理一步到位,几十种工具开箱即用

中文 NLP 预处理、解析工具包,准确、高效、易用 A Chinese NLP Preprocessing & Parsing ···

★ 3874 2026-08-09