#dag Repositories
Entdecke 29 aktive Open-Source-GitHub-Repositories, die mit #dag getaggt sind und insgesamt 159,571 Sterne gesammelt haben (durchschnittlich 5,502 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist apache/airflow mit 47,583 Sternen.
Insgesamt 29 Repositories
Apache Airflow - Eine Plattform zum programmgesteuerten Erstellen, Planen und Überwachen von Workflows
Ein reaktives Notebook für Python — Führe reproduzierbare Experimente durch, frage mit SQL ab, führe es als Skript aus, stelle es als App bereit und versioniere es mit Git. Gespeichert als reines Python. Alles in einem modernen, KI-nativen Editor.
🪓 Ein Orchestrierungs-Engine für Hintergrundaufgaben, KI-Agenten und langlebige Workflows
Die KI-native JSON-Gantt-Diagramm-Engine. Abhängigkeitsfreie interaktive Zeitachsen mit React, Script-Tag, CLI, einem topologischen DAG-Solver und einem formalen JSON-Schema.
🦋Butterfly, eine JavaScript/React/Vue2-Diagramming-Bibliothek, die sich auf das Feld der Flusslayouts konzentriert. (Eine Flowchart-Komponente basierend auf JavaScript/React/Vue2)
Selbst hostbarer Workflow-Orchestrator für Teams, deren Hauptaufgabe nicht die Orchestrierung ist. Deklaratives YAML für Ihre Skripte, SSH-Befehle, Container usw.; halten Sie Workflows von der Geschäftslogik getrennt. Eine einzelne Binärdatei, keine Datenbank, läuft mit begrenzten Hardwareressourcen. Eine Alternative zu Airflow, Cron und Job-Schedulern.
Apache Hamilton hilft Datenwissenschaftlern und Ingenieuren, testbare, modulare, selbstdokumentierende Datenflüsse zu definieren, die Abstammung/Rückverfolgung und Metadaten kodieren. Läuft und skaliert überall dort, wo Python läuft.
Ein gängiger C++ & Python DAG-Framework. Ein plattformübergreifendes, paralleles Berechnungsframework auf Basis von Datenflusssystemen, das in awesome-cpp aufgeführt ist und keine Abhängigkeiten von Drittanbietern hat. Willkommen bei Sternen & Gabeln & Austausch
Eine Reihe von DAGs/Workflows zur Unterstützung der Wartung des Airflow-Betriebs
Agentenplattform mit verfügbarem Quellcode für globale und chinesische Unternehmen – verbinden Sie alle Systeme über einen einzigen Agentenkern. Selbst gehostet, mit jedem LLM nutzbar.
Taier ist eine Big-Data-Entwicklungsplattform für Übermittlung, Planung, Betrieb und Wartung sowie Anzeige von Indikatorinformationen
Ein skalierbarer Inferenz-Server für mit OpenVINO™ optimierte Modelle
Ein flexibler, hochleistungsfähiger Träger für Machine-Learning-Modelle(『飞桨』 Service-Deployment-Framework)
Dein Denken verdient eine Karte: eine unendliche Fläche, auf der sich Gespräche mit LLMs zu einem bearbeitbaren Denkgraphen entwickeln. Die Verbindungen bilden den Kontext.
Go-Implementierung des Spacemesh-Protokolls für einen vollständigen Knoten. 💾⏰💪
Ein leichtgewichtiges KI-Workflow-Orchestrierungssystem, ähnlich wie Dify oder n8n, das vollständig mittels Vibe Coding unter Verwendung von Qoder+CLI als KI-Tool entwickelt wurde. Der Tech-Stack umfasst SpringAI, LangGraph4J, SSE, MinIO und eine benutzerdefinierte DAG-Engine.
Python-Paket für Kausale Entdeckung durch das Lernen der grafischen Struktur von Bayes'schen Netzwerken. Structure Learning, Parameter Learning, Inferenzen, Sampling-Methoden.
Multi-Modell-DAG-gesteuerte parallele KI-Filmerzeugung — parallele Beschleunigung skaliert mit Szenenunabhängigkeit; Film-Szenen gleichzeitig statt nacheinander erzeugen; "Den Ausführungsgraphen der Audiovisuellen Generierung von topologischer Reihenfolge in optimale kritische Pfad-Planung umwandeln"; Der einzige Audiovisuelle Generierungs-Engine, der Szenen-Narrativ-Abhängigkeiten als DAG modelliert und mit CPM-Algorithmus parallele Planung antreibt
taskflow ist ein leichtgewichtiges, einfach zu bedienendes und flexibel erweiterbares universelles Task-Orchestrierungs-Framework, das auf der Basis von Directed Acyclic Graphs (DAG) implementiert ist. Das Framework bietet Funktionen wie Komponentenwiederverwendung, synchrone/asynchrone Orchestrierung, bedingte Verzweigungen und Auswahl, wodurch beliebige Geschäftsabläufe entsprechend unterschiedlichen Geschäftsszenarien orchestriert werden können.
Häufig gestellte Fragen
Welches ist das beliebteste #dag-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#dag-Projekt auf GitHub ist apache/airflow mit 47,583 Sternen. Apache Airflow - Eine Plattform zum programmgesteuerten Erstellen, Planen und Überwachen von Workflows
Welche Programmiersprachen werden in #dag-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #dag-Projekten auf GitHub sind TypeScript, Python, Go, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #dag-Repositories berechnet?
Wir verfolgen 29 aktive Open-Source-Repositories, die mit #dag getaggt sind (500+ Sterne), mit insgesamt 159,571 Sternen und durchschnittlich 5,502 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.