Weights & Biases
AI 开发者平台，用于模型训练、微调、实验管理和生产部署，支持从实验到生产的全流程管理。
🎯适用场景：团队级的 AI 模型实验追踪和全生命周期管理
📥 收录于 2026/6/10
📊 仓库数据
✅ 优点
- •行业标准级实验追踪平台
- •支持多种框架（PyTorch、TF、JAX）
- •强大的可视化和协作功能
⚠️ 限制
- •高级功能需要付费
- •云依赖性强
🔗 相关工具
ClearML
github.com/clearml/clearml
端到端 MLOps 平台，自动记录实验、管理数据和模型、编排 AI 工作负载，支持从实验到生产的全流程
🎯ML 实验管理、模型版本追踪、自动化训练管道、团队协作
Netdata
github.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
Nightingale
github.com/ccfos/nightingale
开源监控告警平台，定位为「告警和监控领域的 Grafana」。支持多数据源接入、灵活的告警规则和通知策略，适合需要统一监控告警平台的 AI/MLOps 团队。
🎯AI 模型性能告警、训练任务异常通知、多集群统一监控
TensorZero
github.com/tensorzero/tensorzero
开源 LLMOps 平台，统一 LLM 网关、可观测性、评估和微调能力，提供从实验到生产的端到端基础设施，帮助企业高效管理多模型 LLM 应用。（11K+ stars）
🎯LLM 生产环境管理、多模型路由、A/B 测试和效果评估
Phoenix
github.com/arize-ai/phoenix
AI 可观测性与评估平台，9750 stars。提供 LLM 应用的可观测性、评估和调试能力，帮助监控 AI 系统性能
🎯LLM/RAG 链路追踪、Embedding 质量评估、生产监控
HyperDX
github.com/hyperdxio/hyperdx
开源可观测性平台，统一整合日志、指标、追踪、会话回放和错误追踪。基于 OpenTelemetry 标准，适合需要全栈可观测性的 AI 应用团队，一站式排查线上问题。
🎯AI 应用全栈可观测性、用户会话回放辅助调试、日志与追踪关联分析