#dag Dépôts
Découvrez 29 dépôts GitHub open source actifs associés à #dag, cumulant 159,571 étoiles au total (soit une moyenne de 5,502 étoiles par projet). Le projet en tête de ce thème est apache/airflow, avec 47,583 étoiles.
29 dépôts au total
Apache Airflow - Une plateforme pour créer, planifier et surveiller des workflows de manière programmatique
Un notebook réactif pour Python — exécutez des expériences reproductibles, interrogez avec SQL, exécutez en tant que script, déployez en tant qu'application et versionnez avec git. Stocké en tant que Python pur. Le tout dans un éditeur moderne, natif de l'IA.
🪓 Un moteur d'orchestration pour les tâches en arrière-plan, les agents IA et les workflows durables
Le moteur de diagrammes de Gantt JSON natif pour l’IA. Des chronologies interactives sans dépendances, avec React, une balise script, une interface CLI, un solveur de DAG topologique et un schéma JSON formel.
🦋Butterfly, une bibliothèque de diagrammes JavaScript/React/Vue2 qui se concentre sur le domaine des mises en page de flux. (Composant de diagramme de flux basé sur JavaScript/React/Vue2)
Orchestrateur de workflows auto-hébergeable pour les équipes dont l’activité principale n’est pas l’orchestration. YAML déclaratif pour vos scripts, commandes SSH, conteneurs, etc. ; séparez les workflows de la logique métier. Un seul binaire, sans base de données, il fonctionne avec des ressources matérielles limitées. Une alternative à Airflow, Cron et aux ordonnanceurs de tâches.
Apache Hamilton aide les scientifiques des données et les ingénieurs à définir des dataflows testables, modulaires et auto-documentants, qui encodent la lignée/le traçage et les métadonnées. S'exécute et s'adapte partout où python le fait.
Un framework DAG C++ & Python couramment utilisé. Un framework de calcul parallèle basé sur des graphes de flux, multiplateforme, sans dépendances tierces, inclus dans awesome-cpp. Bienvenue sur star & fork & discussion
Une série de DAGs/Workflows pour aider à maintenir le fonctionnement d'Airflow
Plateforme d’agents à code source disponible pour les entreprises internationales et chinoises : connectez tous vos systèmes via un noyau d’agents unique. Auto-hébergée, compatible avec tout LLM.
Algorithmes de mise en page pour la visualisation de graphes acycliques dirigés
Taier est une plateforme de développement de big data pour la soumission, la planification, l'exploitation et la maintenance, ainsi que l'affichage des informations sur les indicateurs
Un serveur d'inférence scalable pour les modèles optimisés avec OpenVINO™
Un vecteur flexible et haute performance pour les modèles d'apprentissage automatique(『飞桨』 Cadre de déploiement de services)
Votre réflexion mérite une carte : un canevas infini où les conversations avec les LLM prennent la forme d’un graphe de pensée modifiable. Les fils constituent le contexte.
Un système d'orchestration de flux de travail IA léger, similaire à Dify ou n8n, développé entièrement en utilisant Vibe Coding avec Qoder+CLI comme outil IA. La stack technique comprend SpringAI, LangGraph4J, SSE, MinIO et un moteur DAG personnalisé.
Paquet Python pour la Découverte Causale en apprenant la structure graphique des réseaux bayésiens. Structure Learning, Parameter Learning, Inférences, Méthodes d'échantillonnage.
Génération parallèle de films IA pilotée par DAG multi-modèle — accélération parallèle évolue avec l'indépendance des scènes ; Générer les scènes de film simultanément au lieu de les faire une par une ; "Transformer le graphe d'exécution de la génération audiovisuelle de l'ordre topologique vers une planification optimale du chemin critique" ; Le seul moteur de génération de films qui modélise les dépendances narratives des scènes comme un DAG et pilote la planification parallèle avec l'algorithme CPM
taskflow est un framework d'orchestration de tâches générique, léger, simple d'utilisation et flexiblement extensible, implémenté sur la base de graphes acycliques orientés (DAG). Ce framework offre des capacités telles que la réutilisation de composants, l'orchestration synchrone/asynchrone, le jugement conditionnel et la sélection de branchements, permettant d'orchestrer n'importe quel processus métier en fonction de différents scénarios d'activité.
Foire aux questions
Quel est le dépôt #dag le plus populaire sur GitHub ?
Le projet #dag open source le mieux classé sur GitHub est apache/airflow, avec 47,583 étoiles. Apache Airflow - Une plateforme pour créer, planifier et surveiller des workflows de manière programmatique
Quels langages de programmation sont les plus utilisés dans les dépôts #dag ?
Parmi les projets #dag les mieux classés sur GitHub, les langages de programmation les plus courants sont TypeScript, Python, Go, C++.
Comment le classement des dépôts #dag est-il calculé ?
Nous suivons 29 dépôts open source actifs associés à #dag (500+ étoiles), totalisant 159,571 étoiles, avec une moyenne de 5,502 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.