具备运维视图的管道建模
Apache Hamilton 统一团队表达数据、机器学习和 LLM 管道的方式,而托管 UI 将目录、可观测性、血缘和版本控制集中在一个地方。
Dagworks 提供开源与托管工具,助力构建可靠的 AI 工作流,围绕 Apache Hamilton 处理数据、机器学习和 LLM 管道,并以 Apache Burr 支持有状态应用和智能体。
DAGWorks, Inc. 构建开源与托管工具,用于实现可靠的 AI 工作流。其主要产品是用于数据、机器学习和 LLM 管道的 Apache Hamilton,以及用于有状态应用和智能体的 Apache Burr。
该平台围绕增加可观测性、血缘、目录、追踪和持久化展开,只需较小的集成步骤,而不是要求团队重建现有的 Python 工作流。网站同时展示了自托管和云端选项,Hamilton 和 Burr 都提供托管 UI,其底层则是开源基础。
Apache Hamilton 统一团队表达数据、机器学习和 LLM 管道的方式,而托管 UI 将目录、可观测性、血缘和版本控制集中在一个地方。
Apache Burr 统一有状态应用和智能体的表达方式,重点关注应用行为的追踪和可观测性。
Hamilton 页面说明,UI 通过血缘和管道对比视图帮助更快定位问题,展示数据、代码和模型如何关联以及如何随时间变化。
该产品提供自动生成的血缘、代码、目录和执行视图,以减少上手时间,并让现有工作流更易理解。
Burr 产品包含遥测 UI 和用于自托管的可插拔持久化;云版本则提供托管执行、状态管理、持久化和可观测性。
DAGWorks 表示 Apache Hamilton 可在任何运行 Python 的环境中运行,并可与现有编排系统、数据仓库、笔记本、Web 和流式服务以及建模库一起使用。
当你需要用 Python 定义数据、ML 或 LLM 管道,并希望以极少的额外设置就能看到血缘、目录、可观测性和版本控制时,使用 Apache Hamilton。
当你正在构建有状态应用、RAG 系统或 agentic 工作流,并需要托管或自托管的执行、状态管理和可观测性时,使用 Apache Burr。
使用托管的 Hamilton UI 跟踪数据、代码和模型之间的关联,对比管道版本,并在调试或维护过程中了解随时间发生的变化。
通过自动生成的血缘、代码、目录和执行视图,帮助新团队成员理解现有工作流。
将开源框架与现有的基于 Python 的技术栈一起使用,包括编排系统、笔记本、数据仓库、Web 服务、流式服务和建模库。
DAGWorks 提供托管的 Apache Hamilton UI(通过 DAGWorks)和 Apache Burr Cloud,同时也提供开源的 Apache Hamilton 和 Apache Burr 选项。定价页面说明所有人都可获得 Team 级别的 14 天试用,并且 Apache Burr Cloud 定价即将推出。
Apache Hamilton 用于规范个人和团队如何表达数据、机器学习和 LLM 管道,托管 UI 中可提供目录、可观测性、血缘和版本控制。Apache Burr 用于规范有状态应用的编写与执行,并通过单行集成提供追踪和可观测性。
源内容将 Apache Hamilton 描述为适用于数据、机器学习和 LLM 管道;Apache Burr 则适用于有状态应用、智能体、RAG 和 agentic 应用。Hamilton 页面还提到可与编排系统、数据仓库、笔记本、Web 和流式服务以及建模库配合使用。
源内容没有列出完整的集成目录,但明确说明 Apache Hamilton 可在任何运行 Python 的环境中运行,并可与当前的编排系统、数据仓库、笔记本、Web 和流式服务以及建模库配合使用。
Hamilton 和 Burr 页面都描述了托管与自托管/开源选项。托管产品在开源框架之上增加了 UI、执行、持久化、可观测性以及相关的工作流视图。