Ray
AI 分布式计算引擎，42K+ stars。提供核心分布式运行时和一套 AI 库，加速 ML 工作负载——包括超参数搜索、强化学习、LLM 推理服务等，是大规模 AI 训练和推理的事实标准基础设施
🎯适用场景：分布式 ML 训练与推理调度、超参数搜索与强化学习
📊 仓库数据
📈 Stars 变化 ↑12 小时 +7· 统计区间 7/10 12:08 → 7/11 00:11（12 小时）
✅ 优点
- •统一分布式运行时
- •覆盖 ML 全流程工具链
- •LLM 推理和训练加速
- •Apache 2.0 开源
⚠️ 限制
- •集群配置有一定复杂度
- •资源消耗较大
- •小项目不需要分布式能力
🔗 相关工具
Tensorflow
github.com/tensorflow/tensorflow
全球最流行的机器学习框架之一，195K+ stars。Google 开源的端到端 ML 平台，支持 TensorFlow、Keras 等多种 API，覆盖深度学习、强化学习、移动端部署等全场景，是 AI 工程师的必备工具
🎯深度学习模型训练、移动端 AI 部署、生产环境 ML 推理服务
Prometheus
github.com/prometheus/prometheus
开源监控系统和时序数据库，CNCF 毕业项目。采用多维数据模型和 PromQL 查询语言，是云原生和 AI 基础设施监控的事实标准，可与 Grafana 无缝集成。
🎯AI 服务 GPU 使用率监控、模型推理延迟追踪、Kubernetes 集群资源监控
LLM Action
github.com/liguodongiot/llm-action
生成式 AI 指南，4.9K+ stars。生成式 AI 研究更新、工具和资源的一站式资源库，涵盖最新进展和实用工具
🎯生成式 AI 技术学习、LLM 训练/推理/部署实践参考
ncnn
github.com/Tencent/ncnn
高性能神经网络推理框架，4.6K+ stars。针对移动端优化的高性能神经网络推理框架，腾讯开源的移动端深度学习推理方案
🎯移动端/嵌入式高性能神经网络推理部署
Nats Server
github.com/nats-io/nats-server
NATS.io 高性能消息系统服务器，专为云和边缘环境设计。支持发布订阅、请求响应、队列订阅等模式，具备极低延迟、高吞吐量和轻量级特性。20K+ stars。
🎯AI Agent 间消息传递、微服务通信、边缘计算数据同步
Ml Engineering
github.com/stas00/ml-engineering
由 Hugging Face 工程师 Stas Bekman 编写的机器学习工程开源书籍，系统讲解 GPU 调试、大模型推理优化、分布式训练等工程实践，是 AI 工程师从入门到进阶的实用指南。（17K+ stars）
🎯大模型训练调试、GPU 性能优化、分布式系统架构学习、推理引擎选型参考
