年

2025 年，用这 5 种工具成为 10x AI 开发人员✅🚀 LogoAI - AI 驱动的徽标生成器

2025-05-26

2025 年，掌握这 5 种工具，成为 10 倍 AI 开发者

LogoAI - 人工智能驱动的徽标生成器

TL;DR

本文列出了我每天使用的 5 大 AI 工具，旨在帮助我在 2025 年成为 10 倍 AI 开发人员。✅

这些工具主要用于集成缺失的 AI 管道、图像生成、即插即用的 AI 副驾驶和AI Web 应用程序构建器。🔥

如果您从事开发和人工智能领域，我可以告诉您在日常生活中至少也会使用其中的一些。🤫

震惊的橙色

1. KitOps - AI 管道集成

ℹ️ 用于打包和版本控制 AI/ML 项目的开源 DevOps 工具。

KitOps 机器学习

KitOps 是一个开源的 DevOps 标准打包和版本控制工具，可以将 AI/ML 项目简单而安全地打包成可复制的工件（称为 ModelKit）。

ModelKits 代表项目工件的完整捆绑包，包括模型、数据集和代码。

ModelKit 可以存储在容器注册表中，从而提供一种跟踪和审核更改历史记录的方法。ModelKit 是不可变的，并且可以与所有现有工具配合使用，让您能够使用与开发流程相同的部署流水线和端点。

💡注意：ModelKit 只能包含一个模型，但可以包含多个数据集或代码库。

😮‍💨传统工作流程的问题

传统的工作流程包括将模型从 Jupyter Notebook 移动到 ML 工具，然后手动将其部署到 Kubernetes 等正在运行的开发/生产服务器，这很困难且缓慢。

😎 这就是 KitOps 闪耀的地方！

KitOps 旨在标准化 AI/ML 模型的打包、部署和跟踪的整个传统流程，使其具有通用性并能够像应用程序代码一样在任何地方运行。

Kitfile 简介

KitOps 管理的任何 AI 或 ML 项目的核心都是Kitfile。它是一个基于 YAML 的清单文件，用于共享项目构件。Kitfile 与 ModelKit 一起存储。

将其视为项目的蓝图，确保应用程序中的所有组件都得到正确的组织和访问。

您可以使用单个命令从当前目录中的 ModelKit 中提取 Kitfile：

kit unpack [registry/repo:tag] --config -d .
Enter fullscreen mode Exit fullscreen mode

Kitfile 主要包含 4 个部分，

  • package：存储 ModelKit 元数据，如作者详细信息、姓名、描述。

  • code：Jupyter Notebook 目录的路径。

  • model：序列化模型的路径。

  • datasets：数据集的路径。

Kitfile 可以包含所有部分，也可以不包含。唯一强制要求是，它必须包含 ，以及、或 中manifestVersion的至少一个。codemodeldocsdatasets

以下是引入了一对数据集的示例 Kitfile：

manifestVersion: v1.0.0

datasets:
- name: training data
  path: ./data/train.csv
- description: validation data (tabular)
  name: validation data
  path: ./data/test.csv
Enter fullscreen mode Exit fullscreen mode

⚠️注意：Kitfile 中必须始终使用相对路径。不允许使用绝对路径。

此 ModelKit 和 Kitfile 工作流程不仅标准化了步骤，而且还最大限度地降低了手动过程中可能出现错误的风险。

标准 KitOps 工作流程

ℹ️ 这些是 KitOps 工作流程中涉及的基本步骤。

  • 安装🛠️

要使用 KitOps，首先，您需要在本地安装它，并按照此处页面上的安装指南进行操作。

  • 初始化Kitfile

要创建 Kitfile，请运行以下命令：

kit init .
Enter fullscreen mode Exit fullscreen mode

此命令会在当前目录中创建一个Kitfile 。它将定义依赖项、模型、数据集和配置。

  • 打包并将 ModelKit 推送到注册表🚀

假设你完成了模型的微调，并且你选择的仓库是GitLab（registry.gitlab.com），仓库名为chat-assitant，模型名称为aichat，那么你可以使用以下命令将其打包并推送到仓库：

kit pack . -t registry.gitlab.com/chat-assistant/aichat:tuned
kit push registry.gitlab.com/chat-assistant/aichat:tuned
Enter fullscreen mode Exit fullscreen mode

现在，当您推动更改时，团队中的所有成员都可以收到模型更改的通知，并可以拉动、运行和检查模型。

现在，一旦模型完成训练或调整，团队就可以使用以下kit pull命令提取更新的模型：

kit pull registry.gitlab.com/chat-assistant/aichat:tuned
Enter fullscreen mode Exit fullscreen mode

拥抱脸部导入工作流程🕵️‍♂️

在最近发布KitOps v1.0.0之后，您可以使用kit import命令导入任何HuggingFace 模型并将其转换为 ModelKit，然后将其推送到 DockerHub 等镜像注册表。

💁当您运行 时microsoft/phi-4，Kit CLI 将：

  1. 将 huggingface 存储库下载microsoft/phi-4到本地。

  2. 生成将该存储库打包到 ModelKit 所需的配置。

  3. 将存储库打包到本地存储的 ModelKit 中

完成后，您只需运行以下命令即可将其推送到注册表并与团队共享。😮

kit push microsoft/phi-4:latest docker.io/my-organization/phi-4:latest
Enter fullscreen mode Exit fullscreen mode

可以想象，使用KitOps可以为团队节省大量的开发时间。所有内容都存储在一个地方，查询和使用变得非常方便。

它还可以轻松追踪哪些模型正在运行、它们从哪里拉出以及正在运行的模型的状态。😎

查看他们的 DEV 资料以了解有关 KitOps 的更多信息，因为他们分享了很多关于如何充分利用它的文章。👇

kitops 图片

KitOps

Kit 是一个开源 MLOps 项目，它打包了您的模型、数据集、代码和配置，以便数据科学家和开发人员可以使用他们喜欢的工具，同时轻松协作。

🌟 GitHub 上的 KitOps

2. Nebius AI Studio - 图像生成等 AI 模型

Nebius AI Studio 不仅限于图像生成，它还是一套 AI 模型。您可以在这里找到所有内容。

Nebius 人工智能工作室

Nebius 中有大量 AI 模型可用于微调您的图像生成。

最好的部分是它们超级实惠，并且已经附带1 美元的信用额度，可在购买前试用这些模型。

Nebius AI Studio 模型

最近，我的朋友@arindam_1729建立了一个项目，该项目使用 Nebius 模型（如Flux Schnell和SDXL 1.0）根据用户提示生成徽标。

💡 如果您想看一下，请查看此存储库。

要将文本到图像生成功能添加到您的应用程序，只需添加以下代码行即可：

from openai import OpenAI
client = OpenAI()

client.images.generate(
    model="stability-ai/sdxl",
    prompt="An elephant in a desert",
    response_format="b64_json",
    extra_body={
        "response_extension": "webp",
        "width": 512,
        "height": 512,
        "num_inference_steps": 30,
        "seed": -1,
        "negative_prompt": "Giraffes, night sky"
    }
)
Enter fullscreen mode Exit fullscreen mode

您还可以通过命令行与 Nebius Cloud 进行交互。🧑‍💻

要开始使用 Nebius，只需启动以下curl命令：

curl -sSL https://storage.eu-north1.nebius.cloud/cli/install.sh | bash
Enter fullscreen mode Exit fullscreen mode

使用 重新启动您的 shell exec -l $SHELL，并检查是否已成功安装，请尝试运行nebius version。

3. CopilotKit - 无缝 AI 副驾驶，随时可用

ℹ️ 虚拟同事进入您的产品，完全了解您的应用程序和用户。

副驾驶套件

CopilotKit 不仅仅是另一个具有聊天机器人功能的人工智能应用程序，它还可以了解应用程序的实时状态并根据需要进行更改。

我是这个工具的忠实用户，因为我已经用 CopilotKit 构建了几个项目。你可以在我的GitHub 个人资料上找到它们。

🤔与其他替代方案相比，为什么要使用 CopilotKit？

如果您不确定为什么应该费心尝试在应用程序中添加另一个 AI 功能，那么让我向您展示一些考虑使用 CopilotKit 的理由。

✅超级容易集成

要在任何应用程序中添加 CopilotKit，只需将您的应用程序包装在<CopilotKit />提供程序中即可。

import "./globals.css";

import { ReactNode } from "react";
import { CopilotKit } from "@copilotkit/react-core"; 

export default function RootLayout({ children }: { children: ReactNode }) {
    return (
      <html lang="en">
        <body> 
          {/* Use the public api key you got from Copilot Cloud  */}
          <CopilotKit publicApiKey="<your-copilot-cloud-public-api-key>"> 
            {children}
          </CopilotKit>
        </body>
      </html>
    );
}
Enter fullscreen mode Exit fullscreen mode

✅带有内置用户界面

ℹ️ Copilot UI 附带许多内置 UI 模式，请选择您喜欢的任意一种。

所有 UI 组件都是预先构建的，您可以插入并开始使用，无需从头开始设计任何东西。

您可以从CopilotChat、、CopilotPopup和中进行选择CopilotSidebar。

要添加任何 UI 组件，只需导入组件并将其放置在所需位置即可：

import { CopilotPopup } from "@copilotkit/react-ui";

export function YourApp() {
  return (
    <>
      <YourMainContent />
      <CopilotPopup
        instructions={"You are assisting the user as best as you can. Answer in the best way possible given the data you have."}
        labels={{
          title: "Popup Assistant",
          initial: "Need any help?",
        }}
      />
    </>
  );
}
Enter fullscreen mode Exit fullscreen mode

其他可用组件的操作步骤非常相似。您可以随时参考上面的链接了解更多信息。

如果您想自己设计所有内容，还有一个无头 UI 选项，您可以在其中设计所有内容以满足您的需求。🔥

✅ CoAgents 支持

CopilotKit 助剂

如果您想使用自定义代理，也可以这样做。这样，您可以在代理和应用程序之间共享状态，创建代理生成 UI，添加人机交互阶段，并使用 和useCoagentStateRender()钩子实现实时前端操作useCoAgent()。

他们有一个示例旅行应用程序来演示自定义代理的使用，请点击此处查看。

查看他们的 DEV 资料以了解有关 CopilotKit 的更多信息，因为他们分享了很多关于如何充分利用它的文章。👇

copilotkit 图片

副驾驶套件

React UI + 适用于 AI Copilot、应用内 AI 代理、AI 聊天机器人和 AI 驱动的文本区域的优雅基础架构🪁

🌟 GitHub 上的 CopilotKit

4. Latitude - 构建、测试和部署 LLM 功能

ℹ️ Latitude 可帮助您利用数据优化提示，从而自信地提供可靠的 AI 产品。

Latitude - 构建、测试、部署 LLM 功能

Latitude 是一个帮助开发者和产品团队自信地构建 AI 功能的平台。它可以跟踪和评估你的提示，使用真实数据进行改进，并轻松部署新的更改。

Latitude 最好的一点是它每月免费为您提供 40K 次提示和评估运行。🤯

它的设计易于使用，因此您可以快速开始并迭代您的提示，而无需担心基础设施或工具。

💡 长话短说，它是一个提示工程平台，可帮助您在将提示发送到生产之前构建或迭代提示，以便 LLM 的输出始终符合您的期望。

有两种方式可以开始使用 Latitude：

  • Latitude Cloud：一个完全托管的解决方案，让您可以快速上手，无需担心基础设施。
  • Latitude Self-Hosted：一个开源版本，您可以在自己的基础架构上部署和管理，以实现完全控制和定制。

您可以参考其中一位联合创始人对 Latitude 的快速介绍及其使用方法：👇

查看他们的 DEV 资料以了解有关 Latitude 的更多信息。👇

纬度图像

纬度

Latitude 是开源 LLM 开发平台。您可以安心构建、测试和部署基于 LLM 的功能。

5. Taipy - Python 数据和 BI Webapp 构建器

ℹ️ 从简单的试点到可用于生产的 Web 应用程序。

使用 Taipy，您可以将数据和 AI 算法转化为可用于生产的 Web 应用程序。

🤔 Taipy 适合谁？

Taipy 专为数据科学家和机器学习工程师构建数据和 Web 应用程序而设计。

Taipy 的主要特点：

  • ✅ 无缝嵌入 ML 模型和数据科学工作流程
  • ✅ 轻松部署到您的自定义域中的任何位置
  • ✅ 对于 VS Code 用户，Taipy 有一个可以解锁图形编辑器的扩展
  • ✅ Taipy 通过图形事件的缓存控制来增强性能

要开始使用 Taipy，首先请确保已安装 Taipy：

pip install taipy
Enter fullscreen mode Exit fullscreen mode

只需几行 Python 代码即可轻松在 Taipy 中创建一个简单的示例动态 Web 应用程序。

创建一个 Python 文件并粘贴以下代码行：

from taipy.gui import Gui
import taipy.gui.builder as tgb
from math import cos, exp

value = 10

def compute_data(decay:int)->list:
    return [cos(i/6) * exp(-i*decay/600) for i in range(100)]

def slider_moved(state):
    state.data = compute_data(state.value)

with tgb.Page() as page:
    tgb.text(value="# Taipy Getting Started", mode="md")
    tgb.text(value="Value: {value}")
    tgb.slider(value="{value}", on_change=slider_moved)
    tgb.chart(data="{data}")

data = compute_data(value)

if __name__ == "__main__":
    Gui(page=page).run(title="Dynamic chart")
Enter fullscreen mode Exit fullscreen mode

只需添加此代码，我们就拥有一个图形和一个滑块组件，可帮助调整数据参数。

Taipy数据可视化

还有许多其他功能，例如条形图可视化。要了解更多信息，请访问Taipy。

💡 Taipy 简化了将复杂的 Python 算法转换为用户友好的 Web 应用程序的过程，只需几行 Python 代码即可，而无需了解其他语言。

查看他们的 DEV 资料以了解有关 Taipy 的更多信息。👇

taipy 图像

泰皮

从简单的试点项目到可用于生产的 Web 应用程序，只需片刻即可完成。性能、定制化和可扩展性无需再妥协。

🌟 Taipy 在 GitHub 上

如果您想到任何其他我未在本文中介绍的便捷 AI 工具，请在下面的评论部分分享。👇🏻

好了，本文就到这里。非常感谢你的阅读！🎉🫡

再见，瑞恩·高斯林 GIF

shricodev 图像

什里贾尔·阿查里亚

全栈 SDE • 开源贡献者 • 合作者 @Oppia • 协作邮件
文章来源：https://dev.to/shricodev/be-a-10x-ai-developer-with-these-5-tools-in-2025-213a
Devto 翻译
PREV
一些有用的 JavaScript 单行代码
NEXT
为什么我们的网站很慢——捆绑包大小的重要性