用声明式规则给数据加单元测试，校验数据质量、做数据剖析，让脏数据在进入下游前就被发现。

开源的 ML 与 LLM 可观测性框架，用 100+ 指标评估、测试并监控表格数据到生成式 AI 的数据管道与模型表现。

OpenMetadata 是开源的数据目录与元数据平台，统一管理数据发现、血缘、质量、契约和治理，为人和 AI 助手提供可信的数据上下文与业务语义。

自动检测和修复真实数据集中标签错误、异常样本等质量问题，帮你在训练前把脏数据清理干净，提升模型效果。

一套从数据工程、模型训练到部署迭代的完整教程，帮你把机器学习项目做成可上线的生产级应用。

用 JSON Schema 自动生成 React 表单，省去手写表单和校验逻辑，适合配置化、动态表单场景。

5 秒克隆任意人声，实时合成任意语音，基于 PyTorch 的语音克隆与文本转语音工具。

开源特征存储，统一管理机器学习特征的注册、存储与在线离线服务，解决训练和推理特征不一致的问题。

面向视觉 AI 的数据集管理与模型分析工具，能可视化浏览数据、清洗标注、发现质量问题，并支持主动学习来迭代提升模型。

轻量可扩展的 Python 数据校验库，用声明式 schema 校验字典等数据结构，适合接口入参和配置文件的格式检查。

用 YAML 声明式数据契约来定义和校验数据质量，支持数据剖析、监控与测试，帮数据团队尽早发现数据可靠性问题。

轻量灵活的数据校验库，用声明式 schema 给 pandas 等 DataFrame 做类型、范围和统计假设检查，在数据清洗和管道里提前拦住脏数据。

R 语言的数据质量校验工具，用简洁的断言语法检查数据框和数据库表，自动生成元数据报告，帮你在分析前发现脏数据。

面向表格数据的校验工具包，用简单易懂的方式检查数据质量并持续监控，帮你在数据进入分析或建模前发现异常。

一站式评估 AI 数据、模型和应用质量的工具，能检测数据质量、幻觉等问题并生成质量报告，适合做数据清洗与模型上线前的质量把关。

自动扫描图像数据集，找出重复、模糊、曝光异常等质量问题，帮你在训练前把数据清洗干净。

面向 dbt 项目的数据校验工具，在 PR 评审阶段对比改动前后的数据差异，帮分析工程师提前发现模型变更带来的数据问题。

Ruby 的数据结构校验与类型转换库，用声明式 schema 定义字段规则，自动完成类型强制转换和校验，适合在 API 或表单入口处保证数据质量。

无需写代码就能浏览和校验表格数据的桌面应用，基于 Frictionless 框架，帮非技术用户快速发现数据质量问题。

开源的机器学习模型与数据持续验证工具，覆盖从研究到生产的全流程测试，能生成 HTML 报告并检测数据漂移。

Ruby 的类型安全数据校验库，用声明式 schema 和规则定义校验逻辑，支持类型强制转换，适合在数据入库前做结构化校验。

面向基础模型训练的多模态数据流水线，把数据清洗、筛选和质量评估串成可扩展流程，解决大规模图文数据难治理的问题。

把现有数据基础设施直接变成特征存储的虚拟特征存储，省去迁移数据，统一管理特征定义与向量检索，服务机器学习训练和推理。

面向多模态机器学习的数据平台，支持图像标注、数据筛选与清洗，帮助团队管理训练数据并提升数据质量。

TrustRAG 是一个强调可靠输入与可信输出的 RAG 框架，帮你在检索增强生成流程里控制数据质量、减少幻觉，适合搭建可溯源的知识问答系统。

一个 OpenAPI 代理，按接口文档实时校验请求和响应，帮你在开发和测试阶段发现契约不一致的问题。

给 SaaS 产品快速嵌入 CSV/Excel 数据导入体验的开源组件，自带字段映射、数据校验和导入前复核，省去从零开发导入流程的几个月工作量。

监控机器学习模型上线后的数据漂移，并通过数据校验保障部署安全，自动生成 HTML 报告帮助定位特征分布变化。

基于 AtroCore 平台构建的开源 PIM 系统，可灵活配置产品目录、内容与数据校验，适合 B2B 电商和 ERP 集成场景。