当前位置: 首页 > news >正文

MLflow的使用,以及集成到Dify中

目录

1.特点

Open Source 开源

OpenTelemetry 开放遥测

All-in-one Platform 一体化平台

Complete Observability 完全可观测性

Evaluation & Monitoring 评估与监测

Framework Integration 框架集成

2.本地化docker

3.集成dify


MLflow GenAI 是一个开源、一体化的平台,帮助通过端到端的可观察性、评估、AI 网关、提示管理、优化和跟踪,提升agent与生成 AI 应用。

1.特点

Open Source 开源

加入成千上万的团队,利用 MLflow 构建生成式人工智能——拥有 2 万+颗 GitHub 星级和 5 千万+月下载量。作为 Linux 基金会的一部分,MLflow 确保您的 AI 基础设施保持开放且供应商中立。

OpenTelemetry 开放遥测

MLflow Tracing 完全兼容 OpenTelemetry,使其免于厂商锁定,易于与现有的可观测堆栈集成。

All-in-one Platform 一体化平台

管理从实验到生产的整个生成式人工智能旅程。在同一平台上跟踪提示、评估质量、部署模型并监控性能。

Complete Observability 完全可观测性

通过全面的追踪,捕捉提示、检索、工具调用和模型响应,全面了解每一个 AI 决策。自信地调试复杂的工作流程。

Evaluation & Monitoring 评估与监测

Stop manual testing with LLM judges and custom metrics. Systematically evaluate every change to ensure consistent improvements in your AI applications.
停止用大型语言模型评判和自定义指标手动测试。系统地评估每一次变更,确保 AI 应用持续改进。

Framework Integration 框架集成

Use any GenAI framework or model provider. With 30+ integrations and extensible APIs, MLflow adapts to your tech stack, not the other way around.
使用任何生成式 AI 框架或模型提供商。MLflow 拥有 30+集成和可扩展 API,能够适应你的技术栈,而不是反过来。

2.本地化docker

git clone --depth 1 --sparse https://github.com/mlflow/mlflow.git cd mlflow # 手动开启稀疏检出 + 配置规则(完整语法,兼容 PowerShell) git sparse-checkout init --cone git sparse-checkout add docker-compose # 用 add 替代 set,兼容性更好 cd docker-compose cp .env.dev.example .env docker compose up -d

3.集成dify

dify的应用中监测栏右上角中项追踪选项:捕获应用程序执行的完整上下文,包括 LLM 调用、上下文、提示、HTTP 请求等,发送到第三方跟踪平台。

提供了不少平台,考虑到本地部署适用性,可选择mlflow作为追踪平台

配置界面如下:

跟踪 URI*:http://yourIP:5000

实验编号*:1\2\3

MLflow 的实验 ID 是数字(比如默认实验 ID 是0,自定义实验需先查 / 创建),操作如下:

  • 访问 MLflow UI(http://localhost:5000),登录后(若无需登录直接进入):

    • 若已有名为XXX的实验:点击该实验,浏览器地址栏会显示http://localhost:5000/#/experiments/11就是该实验的 ID,是整数);
    • 若没有XXX实验:先在 MLflow UI 点击「Create Experiment」创建名为XXX的实验,创建后会自动生成一个整数 ID(比如1/2)。

用户名和密码可不填

结合你本地 Docker 启动的 MLflow 场景(默认无认证):

  • 若访问http://localhost:5000无需登录:密码框填任意非空值(比如123456/password)即可(界面仅要求非空,实际不校验);
  • 若访问http://localhost:5000需要登录:填 MLflow UI 登录时的密码(若未设置过,需先按前文方法创建用户并设置密码)。

配置成功界面:

配置好后就点击查看可以直接跟踪,集成度还比较高

http://www.cnnetsun.cn/news/154441.html

相关文章:

  • 锐捷RGSE | IS-IS中间系统到中间系统路由协议技术原理(1/2)
  • 终极图像特征提取指南:D2-Net让计算机看懂世界
  • 智能体快速适配技术:迁移学习的工程实践指南
  • 5G网络自动化运维:Ansible如何重塑通信基础设施管理新范式
  • 突破传统交互:FunASR语音识别技术如何重塑游戏体验
  • WampServer 3.1.7:为什么它成为Windows开发者必备神器?
  • DiffSynth-Engine终极指南:打造快速高效的扩散模型推理引擎
  • ghettoVCB 虚拟机备份工具仿写文章Prompt
  • Pine Script量化交易:7天从入门到实战的完整路线图
  • 如何快速掌握libhv:跨平台网络编程终极指南
  • 终极企业级管理系统搭建指南:ruoyi-vue-pro完整解决方案
  • Apple Silicon极速部署F5-TTS:流畅语音合成的完整实践指南
  • Android数学公式显示终极指南:MathView库完整教程
  • PageIndex终极指南:无需向量数据库的智能文档检索革命
  • 如何快速掌握pyimgui:Python立即模式GUI开发的终极指南
  • Obsidian主题深度定制:打造极致美观的知识管理空间
  • 多机协同SLAM:突破单机局限的分布式建图革命
  • Rust FFmpeg多媒体处理终极指南:从入门到实战
  • JetBrains Dracula主题定制终极指南:5步打造你的专属编程空间
  • 积木报表升级实战:轻松搞定数据库表缺失问题
  • Windows平台AMD ROCm深度学习环境搭建终极指南
  • 5个实用技巧:彻底解决Typst数学符号调用难题
  • 【Open-AutoGLM性能瓶颈突破指南】:90%工程师忽略的并行冲突调优细节
  • 3分钟掌握wkhtmltopdf:从网页到专业PDF的完整解决方案
  • WebGL流体模拟如何实现离线运行?PWA技术带来全新突破
  • 前端性能优化的终极指南:5个代码分割与懒加载技巧
  • Open-AutoGLM敏感功能禁用全攻略(专家级配置方案曝光)
  • ruoyi-vue-pro企业级管理系统终极部署指南
  • Open-AutoGLM部署困境破解(硬件资源极限压缩技术)
  • 终极指南:使用html2pdf.js轻松实现浏览器端PDF生成