【好货分享】开源AI平台Dify，一站式litGPT，一行代码数据分析ydata

1.Dify

Dify 是一个开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 管道、Agent、模型管理、可观测性功能等，让您可以快速从原型到生产。与数百种专有/开源 LLMs 以及数十种推理提供商和自托管解决方案无缝集成，涵盖 GPT、Mistral、Llama3 以及任何与 OpenAI API 兼容的模型。

2.ydata-profiling数据分析

数据质量分析和探索性数据分析是数据科学和机器学习开发过程中的关键步骤。YData-profiling 是数据科学工作流程中数据理解步骤中的领先工具，是开创性的 Python 包。
ydata-profiling是一款领先的数据分析软件包，可自动生成并标准化详细报告，包括统计数据和可视化。该软件包的意义在于它如何简化理解和准备数据以供分析的过程，只需一行代码！

import pandas as pd
from ydata_profiling import ProfileReport

df = pd.read_csv('data.csv')
profile = ProfileReport(df, title="Profiling Report")

3,LitGPT

微调• 预训练• 持续预训练• 评估• 部署• 测试
使用命令行界面运行高级工作流程，例如对您自己的数据进行预训练或微调。

所有工作流程
安装 LitGPT 后，选择要运行的模型和工作流程（微调、预训练、评估、部署等）：

#ligpt [action] [model]
litgpt  serve     meta-llama/Meta-Llama-3.1-8B-Instruct
litgpt  finetune  meta-llama/Meta-Llama-3.1-8B-Instruct
litgpt  pretrain  meta-llama/Meta-Llama-3.1-8B-Instruct
litgpt  chat      meta-llama/Meta-Llama-3.1-8B-Instruct
litgpt  evaluate  meta-llama/Meta-Llama-3.1-8B-Instruct

4.erdantic

用于 Pydantic 等 Python 数据模型类的实体关系图
正在寻找一种简单、干净的方式来可视化您的数据模型？ erdantic 是一个简单的工具，用于绘制实体关系图 (ERD)，以显示数据模型类是如何连接的。从使用多个受支持的框架（例如 Pydantic 和 dataclasses）定义的模型生成 ERD。
如果您有 Python 数据模型，这是一种很好的方式来说明您的架构并为您的文档添加视觉参考。

5.nbautoexport

使一次一个脚本的代码审查 Jupyter 笔记本变得更加容易。在使用 Jupyter 时，nbautoexport 会在保存时自动将 Jupyter 笔记本导出为各种文件格式（.py、.html 等）。一个很好的用例是自动拥有笔记本的脚本版本以方便代码审查注释。