DataTalks.Club 出品的免费 MLOps 实战课程，覆盖模型部署、监控和工作流编排，帮你把机器学习模型从实验推到生产环境。

开源 AI 工程平台，覆盖智能体、大模型和传统机器学习，帮团队调试、评估、监控和优化生产级 AI 应用，同时控制成本并管理模型与数据访问权限。

基于 OpenTelemetry 的 LLM 应用可观测性工具，能追踪调用链、采集指标并监控模型表现，帮你在生产环境定位 GenAI 应用的性能与质量问题。

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。

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。

NannyML 是 Python 的模型上线后监控库，能在没有真实标签的情况下估计模型性能，并检测数据漂移，帮你在生产环境及时发现模型退化。

基于 OpenTelemetry 的 TypeScript LLM 应用可观测性工具，帮开发者追踪调用链、采集指标并监控模型运行状态。

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。

一份精选的机器学习生产化开源工具清单，覆盖模型部署、监控、版本管理和规模化扩展，帮你快速找到 MLOps 各环节的趁手工具。