SHAP
NEW基于博弈论的机器学习模型解释工具，使用 Shapley 值为任意模型输出提供一致且可解释的特征重要性归因，适用于各种 ML 框架。
🎯适用场景：解释黑盒模型的预测结果，生成特征重要性报告，满足合规审计需求，适合金融风控、医疗诊断等需要可解释性的场景
📥 收录于 2026/5/25
📊 仓库数据
✅ 优点
- •理论保证的一致性和公平性，Shapley 值有严格的数学基础
- •支持几乎所有类型的 ML 模型，集成度高
⚠️ 限制
- •大规模数据集上计算开销较大，精确 SHAP 值计算复杂度高
- •对于深度神经模型可能需要近似方法，影响解释精度
🔗 相关工具
Interpret
NEW开源⭐ 6.9kgithub.com/interpretml/interpret
微软开源的可解释 AI 工具库，支持拟合可解释模型和解释黑盒机器学习模型的预测结果，提供可视化的特征重要性分析和模型解释。
🎯 解释黑盒模型的预测逻辑，生成特征重要性可视化报告，满足合规审计要求，适合金融、医疗等需要模型透明度的行业
vLLM
开源⭐ 81k↑+37github.com/vllm-project/vllm
高吞吐 LLM 推理引擎，77,418+ stars。采用 PagedAttention 显存优化技术，吞吐量比 HuggingFace Transformers 高 24 倍，是生产环境部署大模型推理的首选方案，支持 OpenAI 兼容 API
🎯 生产环境模型推理服务
Netdata
开源⭐ 79k↓2github.com/netdata/netdata
AI 全栈可观测性平台，78,515+ stars。实时监控服务器性能、应用指标和网络流量，内置 AI 异常检测引擎，自动发现并预警系统问题。零配置、开箱即用，每秒采集数千指标，是最轻量的基础设施监控方案。
🎯 服务器与基础设施实时监控、AI 异常检测预警
RTK
NEW开源⭐ 54k↑+124github.com/rtk-ai/rtk
CLI 代理层，减少 60-90% 的 LLM token 消耗。Rust 编写的单二进制文件，零依赖，支持 Claude Code、Codex、Cursor 等主流 AI 编码工具。通过本地代理缓存和智能去重，大幅降低日常开发中的 token 成本
🎯 AI 辅助编程与代码生成
LiteLLM
开源⭐ 48k↑+37github.com/BerriAI/litellm
100+ LLM API 统一 SDK，48K+ stars。统一的 LLM API 代理和 SDK，支持 OpenAI、Claude、Gemini 等所有主流模型，一个接口调用所有模型，是 AI 编码的瑞士军刀
🎯 多模型 API 统一接入与路由
Apache Airflow
NEW开源⭐ 46kgithub.com/apache/airflow
Apache 顶级项目，AI 工作流编排的事实标准，45K+ stars。以 DAG 方式定义、调度和监控复杂数据处理管道——支持 ML 训练管道编排、模型推理任务调度、数据 ETL 等，是生产级 AI 基础设施的核心组件
🎯 分布式 ML 训练与推理调度、AI 数据管道编排