Kubeflow

面向数据、AI/ML 与 HPC 工作负载的云原生平台。

Star 数
★ 16k
最近更新
1 个月前
License
Apache-2.0

30 秒速览

运行形态
自托管服务
可在哪里用
通用 · 跨平台
费用
免费,无需付费服务
上手难度
高 · 需要较重的基础设施
开始前需要
Kubernetes
典型场景
AI 从业者需要在 Kubernetes 环境中运行可扩展的 AI/ML 工作负载。
不适合
  • 需要单体应用而非模块化项目栈的团队
  • 希望从本仓库直接获得完整安装命令的用户
  • 不准备采用 Kubernetes 的团队
官网
kubeflow.org ↗ 来自 GitHub 仓库设置
维护状态
近半年有提交最近提交 2026-09-30最新版本 redirect(2026-04-29)近 7 天每天 +1.4 ★

这个 Agent 能做什么,适合哪些场景?

Kubeflow 是由多个模块化开源子项目组成的 Kubernetes 原生数据与 AI 平台。它面向 AI 从业者、平台管理员和决策者,覆盖数据、AI/ML 与 HPC 工作负载,并支持训练任务和高吞吐量 AI 智能体等规模化场景。其设计强调可组合性,团队可以在 AI 生命周期中按需搭配不同工具。相同代码可运行于本地笔记本电脑、本地部署环境或云端,部署边界是 Kubernetes 环境。这个仓库主要充当各 Kubeflow 子项目和共享项目元数据的入口,实际开发位于各个子项目仓库,因此它本身不提供完整产品实现或快速安装流程。

Kubeflow 将多个开源子项目组织为 Kubernetes 原生的数据与 AI 工作负载栈。该平台用于承载不同规模的工作负载,包括超大规模训练任务、高吞吐量 AI 智能体以及更广泛的数据、AI/ML 和 HPC 用例;具体执行组件和接口由各子项目提供。其可组合模式允许团队跨 AI 生命周期选取和组合工具,并让同一套代码面向本地笔记本电脑、本地基础设施或云环境运行。本仓库本身主要提供子项目入口和共享元数据,不包含来源中可验证的统一 API、CLI 命令、输入格式或输出格式。

  1. AI 从业者需要在 Kubernetes 环境中运行可扩展的 AI/ML 工作负载。
  2. 平台管理员需要为数据、机器学习与 HPC 团队构建模块化的共享平台。
  3. 训练团队需要管理超大规模训练任务,并希望部署位置可在本地与云端之间迁移。
  4. 智能体平台团队需要为高吞吐量 AI 智能体提供 Kubernetes 原生运行基础。
  5. 技术决策者希望组合多个开源项目,覆盖 AI 生命周期中的不同环节。

如何安装或部署这个 Agent?

来源没有提供可复制的安装命令、所需 Kubernetes 版本、集群准备步骤、发行版选择方法或首次运行示例。由于本仓库只是 Kubeflow 子项目与共享元数据的入口,不能据此给出准确的端到端安装流程;实际部署需要选择相应子项目或 Kubeflow 发行方式后使用其安装说明。

如何使用这个 Agent?

来源未记录统一的 CLI、API、配置文件、身份凭据要求或首个可运行调用。可以确认的使用模型是:在 Kubernetes 原生栈中按 AI 生命周期需要组合 Kubeflow 子项目,并在本地笔记本电脑、本地部署环境或云端运行工作负载。具体提交训练任务、启动笔记本、运行智能体或获取输出的步骤不在所给材料中。

这个 Agent 有哪些优点和局限?

优点
  • 采用模块化架构,可按 AI 生命周期的具体需求组合不同开源子项目。
  • 明确支持从本地笔记本电脑、本地部署到云端的可移植运行方式。
  • 以 Kubernetes 为统一运行基础,可面向超大规模训练任务和高吞吐量 AI 智能体扩展。
  • 同时覆盖数据、AI/ML 与 HPC 工作负载,而非只针对单一模型开发环节。
局限
  • 采用 Kubernetes 原生架构,部署和运营需要真实的集群基础设施。
  • 此仓库主要是项目入口,核心开发分散在独立子项目仓库,评估和维护需要跨仓库进行。
  • 所给材料没有安装命令、版本要求、配置流程或可运行示例,无法从本仓库直接完成首次部署。
  • 来源没有说明统一 API、CLI、故障处理方式或各子项目之间的兼容性边界。

这个 Agent 与同类方案有什么区别?

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
Kubeflow 当前 28 · 缺口较多 自托管服务免费 ★ 16k 1 个月前 — —
AgileRL 强化学习库 62 · 存在缺口 代码库 / SDK免费版 + 付费版 ★ 970 今天 Python —
Metaflow 60 · 存在缺口 代码库 / SDK免费 ★ 10k 4 天前 Python —
ML Road 机器学习与智能体 AI 学习资源库 29 · 缺口较多 网页应用免费 ★ 5k 3 个月前 Python —

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
缺口较多
28/ 100 五分制 1.4 / 5
信任安全 1/29
可靠稳定 5/14
适用触发 8/18
规范维护 8/18
有效结果 4/13
证据核验 2/8
查看各维度的扣分理由
信任安全1 / 29 · 0.2/5

所给文件没有展示 Agent 执行权限、确认机制、数据流、敏感数据处理、依赖安全、外部副作用或回滚流程,因此这些项为 0;README 将 Kubeflow 定义为 Kubernetes 原生 AI 平台,并称其由社区维护,但未给出具体维护者或来源验证,来源归属仅部分可追溯,记 1。

可靠稳定5 / 14 · 1.8/5

README 对平台定位、模块化构成和仓库作为子项目入口的说明相互一致,记 2;它指向外部文档和子项目,却没有在所给材料中提供依赖清单或可用性保证,记 1;没有错误处理或故障消息证据,记 0。

适用触发8 / 18 · 2.2/5

README 点出 AI 实践者、平台管理员和决策者,并提及本地、机房及云端场景,记 2;能力边界仅以模块化平台和仓库入口作概括,缺少明确的不支持事项,记 1;没有 Agent 触发条件或适用规则,记 0;Kubernetes、跨环境与 AI/ML/HPC 用例描述支持一定环境适配性,记 2。

规范维护8 / 18 · 2.2/5

README 提供概览、使命、社区及仓库角色等结构,记 2;所给材料没有安装步骤,记 0;Kubeflow 名称与子项目描述一致,记 2;没有示例或 FAQ,记 0;README 说明此仓库主要是入口且开发在子项目仓库,部分揭示范围限制,记 1;LICENSE 含完整 Apache 2.0 条款,记 3;材料未提供版本变更记录,记 0;README 指明工作组及治理委员会的维护关系,但没有具体责任人或更新路径,记 2。

有效结果4 / 13 · 1.5/5

README 有助于读者理解平台定位和仓库用途,但没有可直接使用的 Agent 输出或操作流程,记 1;声称平台支持数据、AI/ML 与 HPC 工作负载及 AI 生命周期,但未在样本中展示具体可复用能力,记 1;材料未提供部署成本、运维负担或收益对比,记 1。

证据核验2 / 8 · 1.3/5

README 的平台定位、社区治理和仓库角色均有明确文本支撑,但许多能力主张没有随附实现证据,记 1;样本只有 README 与许可证,缺少代码、测试或其他来源相互印证,记 0;使命和定位以项目主张表述,未提供测量方法或验证结果,事实与推断的界限有限,记 1。

风险与缓解建议
  • 源码中未见:最小权限约束只授予完成任务所需的权限:用专用账号或只读令牌,并限定可访问的目录和仓库。
  • 源码中未见:执行前用户确认开启或自行加上执行前确认;先在沙箱或测试环境跑通,确认行为后再接入真实数据。
  • 源码中未见:数据流向说明运行时观察它连接了哪些外部服务(代理或防火墙日志);弄清数据去向之前不要输入敏感数据。
  • 源码中未见:敏感信息处理使用专用、低权限、可随时吊销的 API 密钥,不要复用生产凭据,也不要让密钥出现在日志里。
  • 源码中未见:依赖安全审查安装前固定版本并做一次依赖扫描(如 npm audit、pip-audit);优先放在容器里运行。
  • 源码中未见:外部影响披露先弄清它会写入、发送或修改哪些外部系统,用测试账号或测试仓库验证后再接入正式环境。
  • 源码中未见:回滚或恢复路径运行前先备份,或在 git 分支、快照上操作,确保改动可以撤销。
  • 此样本将 Kubeflow 描述为平台及子项目入口,未提供可评估的 Agent 实现或执行安全证据;不要据此推断具体 Agent 能力或安全控制。
  • 部署说明、依赖、测试、版本记录及具体维护责任人未包含在所给材料中;这些信息应在使用前从相应子项目资料核实。
证据充分度:低 评估于 2026年11月8日 审查版本 0e48fec5f386
评估证据 README.mdLICENSE
查看完整评分方法 →
你是这个项目的维护者?把 FARS 徽章加到 README

徽章显示当前的评审分数和结论,点击回到本页。重新评审后约一小时内更新。

FARS

[![FARS 评测](https://followagents.com/badge/kubeflow.svg?lang=zh)](https://followagents.com/zh/agents/kubeflow)
<a href="https://followagents.com/zh/agents/kubeflow"><img src="https://followagents.com/badge/kubeflow.svg?lang=zh" alt="FARS 评测"></a>

最近版本

来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。

  1. redirect Kubeflow Subprojects Releases
    发布说明摘录
    Kubeflow brings together multiple open-source projects, each focused on a different stage of the [AI lifecycle](https://www.kubeflow.org/docs/started/architecture/#introducing-the-ai-lifecycle). If you want to install Kubeflow please refer to https://www.kubeflow.org/docs/started/installing-kubeflow/. Each project follows its own release cycle, please find links to the releases below: | Kubeflow Project | GitHub Releases | …
    在 GitHub 查看 ↗
  2. v1.10.0
    发布说明摘录
    This release was cut for [Kubeflow Platform](https://www.kubeflow.org/docs/started/introduction/#what-is-kubeflow-platform) version [__1.10.0__](https://www.kubeflow.org/docs/releases/kubeflow-1.10/). __NOTE:__ the following release notes are __only__ for the components in the kubeflow/kubeflow repo. Significant Changes * feat: update notebook server images by @thesuperzapper in https://github.com/kubeflow/kubeflow/pull/7687 * chore: migrate docker images to ghcr by @ederign and @thesuperzapper in https://github.com/kubeflow/kubeflow/pull/7706 Features …
    在 GitHub 查看 ↗
  3. v1.9.2
    发布说明摘录
    This release was cut for [Kubeflow Platform](https://www.kubeflow.org/docs/started/introduction/#what-is-kubeflow-platform) version [__1.9.1__](https://www.kubeflow.org/docs/releases/kubeflow-1.9/). __NOTE:__ the following release notes are __only__ for the components in the kubeflow/kubeflow repo. Fixes Central Dashboard * fix: logout button for oauth2-proxy @tarekabouzeid in https://github.com/kubeflow/kubeflow/pull/7654 Notebook Controller * fix: return notebook events error message @gigabyte132 in https://github.com/kubeflow/kubeflow/pull/7649 New Contributors …
    在 GitHub 查看 ↗

常见问题

Kubeflow 是否必须使用特定云服务?
不是。来源明确表示相同代码可运行在本地笔记本电脑、本地部署环境或任意云端;但运行基础是 Kubernetes。
这个仓库能否直接安装完整 Kubeflow?
所给材料不能证明可以。该仓库主要是子项目和共享元数据的入口,没有提供完整安装命令或快速开始流程。
使用 Kubeflow 是否需要付费许可证?
仓库采用 Apache-2.0 许可证。来源没有描述付费许可或托管服务费用,但实际基础设施和云资源成本未说明。
它是否原生集成 ChatGPT、Claude 或相关 API?
来源没有记录 ChatGPT、Codex、Claude Code、OpenAI API 或 Claude API 集成,不能据此认定兼容。
发生故障时应从哪里排查?
来源没有提供统一故障排查流程。由于实际开发位于各子项目仓库,问题通常需要定位到对应子项目,但具体步骤未记录。
Kubeflow 官网是什么?
Kubeflow 的 GitHub 仓库填写的官网是 https://www.kubeflow.org/。这个链接由仓库作者设置;源码在 GitHub(kubeflow/kubeflow)。
Kubeflow 安全吗?
FollowAgents 的 FARS 评审(2026年11月8日)给 Kubeflow 的“信任与安全”打了 1/29 分。评审没有在源码和文档里找到这些安全措施:最小权限约束、执行前用户确认、数据流向说明、敏感信息处理、依赖安全审查、外部影响披露、回滚或恢复路径。接入真实账号或数据前:只授予完成任务所需的权限:用专用账号或只读令牌,并限定可访问的目录和仓库。
Kubeflow 还在维护吗?
更新变慢了:GitHub 上最近一次提交是 2026-09-30,在最近半年内,但不在最近 30 天内。最新版本是 redirect(2026-04-29)。
Kubeflow 是谁开发的?
Kubeflow 由 GitHub 账号 kubeflow 发布。FollowAgents 没有核实这个账号背后是哪个人或公司。
这页内容对你有帮助吗?
在 GitHub 查看 ↗ 安装 ↓

相关核心概念