你的机器学习工作流还有多少环节是靠手工拼凑的？

📋总体概括

一位开发者分享了其正在构建的 DataOps/MLOps 产品 Datryc，核心观察是：从原始数据到模型上线远不止训练本身，还涉及数据源连接、数据校验清洗、预处理管道、数据质量监控、模型训练评估、版本管理、部署与推理后监控等环节。作者认为单点工具已很优秀，真正痛点在于工具间的集成成本，因此尝试用统一 API/CLI 将这些工作流串联，并在产品深入前公开征求意见、检验假设。这反映了 MLOps 工具链碎片化、集成层被低估的行业现状。