عن المشروع

ZenML هي منصة مفتوحة المصدر تستهدف مهندسي التعلم الآلي والذكاء الاصطناعي الذين يعملون على التعلم الآلي الكلاسيكي أو سير عمل LLM أو الوكلاء في بيئة شركة. فكرتها الأساسية هي أن تكتب سير العمل (خطوط الأنابيب) في Python وتشغيلها على أي خلفية بنية تحتية (stacks). يمكن تضمين أي منطق Python في خط أنابيب، مثل تدريب نموذج أو تشغيل حلقة وكيل. ما تفعله المنصة حول خطوط الأنابيب هذه: - تقوم تلقائيًا بحاويات وتتبع الكود الخاص بك. - تتبع عمليات التشغيل الفردية مع المقاييس والسجلات والبيانات الوصفية. - تجرد تعقيد البنية التحتية. - تدمج الأدوات والبنية التحتية الحالية، مع تكاملات موثقة لـ MLflow وLangGraph وLangfuse وSageMaker وGCP Vertex وغيرها. - توفر طبقة قابلة للملاحظة للتكرار على التجارب في التطوير والإنتاج. البنية والإعداد: تستخدم ZenML بنية خادم-عميل مع لوحة تحكم ويب مدمجة (مستودع لوحة تحكم منفصل). يعمل الوضع المحلي على تشغيل العميل والخادم محليًا، بينما تعمل عمليات النشر في الإنتاج على تشغيل الخادم بشكل منفصل وتوصيل العملاء به. التثبيت عبر pip، مع إضافة خادم للقدرات الكاملة، يليه تهيئة المستودع وتسجيل الدخول. يذكر ملف README أيضًا امتداد VS Code / Cursor لإدارة خطوط الأنابيب من المحرر. التوثيق والأمثلة: يشير المشروع إلى توثيق المنتج، وبرنامج تعليمي لخط الأنابيب الأول، ودليل بدء، ودليل LLMOps، ومرجع SDK. تغطي مشاريع الأمثلة في المستودع بدءًا سريعًا، ومقارنة بنية الوكلاء، ونشر نماذج التعلم الآلي، ونشر الوكلاء، واستدلال الدفعات من البداية إلى النهاية، وخط أنابيب RAG لـ LLM، وسير عمل بحث عميق وكيل، وخط أنابيب ضبط دقيق. الأدوات ذات الصلة: يسمح خادم MCP للمستخدمين بالاستعلام عن خطوط الأنابيب، وتحليل عمليات التشغيل، وتشغيل عمليات النشر من خلال اللغة الطبيعية من عملاء متوافقين مع MCP. مشروع شقيق، Kitaru، يركز على التقييم القائم على إعادة التشغيل للوكلاء الذكاء الاصطناعي، مع تنفيذ مستضاف ذاتيًا والانقسام المعلن أن ZenML لخطوط أنابيب التعلم الآلي بينما Kitaru للوكلاء. يسرد ملف README الشركات التي يُقال إنها تستخدم ZenML، ويربط بالكتب التي تعرضه، ويصف مسارات المساهمة مثل القضايا الجيدة الأولى وكتابة التكاملات. يتم توزيعه بموجب رخصة Apache 2.0.