你改了一个东西，为什么整个AI管道又要重新构建了？

我创建了 aimake——一个针对AI/ML管道的增量构建系统，基本上是AI应用的make工具。GitHub: https://github.com/arjun988/aimake 这个想法很简单：数据集 → 预处理 → 嵌入 → 索引 → 提示 → 评估 → 报告 aimake 构建依赖图，基于内容而非时间戳对输入进行指纹识别，仅重建输入实际更改的步骤。所以，如果你更改了提示： 之前： 数据集 ✓ 预处理 ✓ 嵌入 ✓ 索引 ✓ 提示 ✗ 已更改 评估 ✗ 报告 ✗ 之后： 2 个重建 · 5 个重用 aimake plan # 查看将重建什么 aimake build # 仅运行过时的步骤 aimake explain # 查看为什么一个步骤需要重建 它不是 Airflow（编排工具）也不是 DVC（仅数据版本控制）。它是AI管道的make工具：依赖图 + 内容指纹 + 增量构建 + 缓存。 目前提供的功能： - 内容哈希指纹替代基于修改时间的缓存 - 增量 + 并行构建 - plan / build / explain 命令行界面 - 实验比较 + 超参数搜索 - S3 缓存 + Hugging Face / DVC / Docker / Ollama / W&B 插件 你可以通过以下方式试用：pip install aimake 我构建这个的主要原因是AI管道重新运行成本高昂。更改提示不应该意味着重新计算你的数据集、嵌入、向量索引等。如果你构建RAG、评估或任何AI管道，我很想得到反馈：你希望缓存的最痛苦的步骤是什么？如果你觉得这个想法有用，在GitHub上给个⭐会真的很有帮助。