GitHub Star 总榜 · 开源序

1pathwaycom / pathway用于流处理、实时分析、LLM 管道和 RAG 的 Python ETL 框架。Python许可证未声明62,012

2rocketride-org / rocketride-server结合 C++ 核心与 Python 节点的 AI 流水线引擎。PythonMIT · 宽松，可直接商用19,979

3cocoindex-io / cocoindex适合长期代理的增量引擎🌟 如果喜欢就加星吧！RustApache-2.0 · 宽松，可直接商用11,831

4onceupon / Bash-Oneliner一组方便的 Bash One-Liners 和终端技巧，用于数据处理和 Linux 系统维护。MIT · 宽松，可直接商用10,798

5johnkerl / millerMiller 类似于 awk、sed、剪切、连接和排序，用于名称索引数据（例如 CSV、TSV 和表格 JSON）Go许可证未声明10,055

6OpenDCAI / DataFlow[SIGMOD'27] 使用最新的基于 LLM 的运算符和管道轻松进行数据准备。PythonApache-2.0 · 宽松，可直接商用8,468

7TomWright / daselJSON、TOML、YAML、XML、INI、HCL、KDL、CSV的统一查询、转换、修改。GoMIT · 宽松，可直接商用8,054

8datajuicer / data-juicer基础模型的数据处理！ 🍎🍋🌽➡️➡️🍸🍹🍷PythonApache-2.0 · 宽松，可直接商用7,227

9NVIDIA / DALIGPU 加速库包含高度优化的构建块和用于数据处理的执行引擎，可加速深度学习训练和推理应用程序。C++Apache-2.0 · 宽松，可直接商用5,791

10deepseek-ai / smallpond基于DuckDB和3FS构建的轻量级数据处理框架。PythonMIT · 宽松，可直接商用5,028

11unionai-oss / pandera一个轻量、灵活、富有表现力的统计数据测试库PythonMIT · 宽松，可直接商用4,518

12datachain-ai / datachain为对象存储中的非结构化数据提供带类型和版本的数据集层。PythonApache-2.0 · 宽松，可直接商用2,830