开源与本地工具 · 工具介绍
Aqueduct
用 Python 定义机器学习与 LLM 工作负载，并在已连接云基础设施运行和查看结果。
Aqueduct 能做什么
用 Python 定义机器学习与 LLM 工作负载，并在已连接云基础设施运行和查看结果。
- AI项目数据制作与质量流程
如何使用 Aqueduct
将本地模型任务迁移到受控云环境
准备输入
- Python 任务代码
- 授权云基础设施
- 输入数据
操作步骤
- 启动服务并连接需要的云运行环境。
- 定义任务与执行引擎，提交测试流水线。
- 检查任务输出、性能与失败日志，确认数据访问范围。
预期交付物
- 云端任务流水线
- 运行结果记录
云凭据和资源费用需单独管理，接入成功不等于模型输出正确。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从开源与本地工具角度评估Aqueduct
把开源与本地工具需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
本地运行到哪一步
区分本地界面、本地处理和外部API；不能只看名称判断数据去向。
环境是否匹配
检查系统、内存、磁盘和依赖，按官方要求判断能否运行。
后续是否可维护
确认许可证、配置保存、数据导出与版本更新方法。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
