Airflow
Apache基金会旗下的开源工作流编排工具，主要用于数据工程DAG任务调度，对ML特有需求支持有限
核心事实
LangGraph将Agent执行逻辑抽象成有向图，支持含环图，而传统工作流工具如Apache Airflow通常只支持有向无环图（DAG）
MLOps是将DevOps理念延伸至机器学习生命周期的工程实践体系，涵盖数据版本管理、模型训练自动化、CI/CD、线上监控与回滚
业界常用的ML CI/CD工具包括MLflow（实验追踪和模型注册）、DVC（数据版本控制）、Airflow或Prefect（工作流编排）、Seldon Core或BentoML（模型服务化），Kubeflow提供基于Kubernetes的端到端ML平台
时间轴 (近 90 天)
Manish的职业起点是在Cognizant担任Advanced Java Developer，被分配到供应链管理领域，后通过自学Python、Scala、Kafka、Airflow、SQL/NoSQL等数据工程技术并备考AWS认证，获得内部转岗机会进入DevOps方向。
选型判断：单次幂等脚本且无密钥管理需求时选bash/cron；多步骤Agent管道并需要人工介入时选n8n；需要多团队协作和严格SLA时选Airflow/Temporal。
数据编排工具如Airflow、Prefect、dbt负责调度和转换进入模型的训练与推理数据
传统工作流引擎如Temporal、Airflow或n8n存在是为处理并行执行、条件分支、超时重试和幂等性保证等表单模式难以应对的场景
MLOps技术栈通常包含数据层（Airflow、dbt）、实验追踪层（MLflow、Weights & Biases）、模型服务层（TorchServe、Triton、BentoML）、基础设施层（Kubernetes、Terraform、云平台）
数据管道工具如Airflow、dbt用于将数据的采集、转换、加载等步骤自动化
Airflow（或Prefect、Dagster）负责编排有依赖关系的ML任务（DAG），并处理调度、重试、告警
Prefect 和 Airflow 属于工作流编排平台，侧重数据管道的 DAG 调度与监控，提供可视化界面
把搜索 SQL 化可以让搜索被程序调用、被 cron 定时任务触发、嵌入自动化工作流（如 Airflow）
从传统DAG任务调度到Airflow、Dagster等数据编排工具，再到AI Agent编排，本质上都复用同一套图论抽象
还有 4 条时间轴事件
全部知识事实 (17)
LangGraph将Agent执行逻辑抽象成有向图，支持含环图，而传统工作流工具如Apache Airflow通常只支持有向无环图（DAG）
75%已验证MLOps是将DevOps理念延伸至机器学习生命周期的工程实践体系，涵盖数据版本管理、模型训练自动化、CI/CD、线上监控与回滚
70%已验证业界常用的ML CI/CD工具包括MLflow（实验追踪和模型注册）、DVC（数据版本控制）、Airflow或Prefect（工作流编排）、Seldon Core或BentoML（模型服务化），Kubeflow提供基于Kubernetes的端到端ML平台
65%已验证典型MLOps流程涵盖数据版本管理、实验追踪、模型打包、服务化接口、CI/CD自动化、线上监控与漂移检测等环节
65%待验证在开源AI平台领域，Cube Studio 的竞品包括 Kubeflow、MLflow、Airflow+自建方案等
70%待验证Manish的职业起点是在Cognizant担任Advanced Java Developer，被分配到供应链管理领域，后通过自学Python、Scala、Kafka、Airflow、SQL/NoSQL等数据工程技术并备考AWS认证，获得内部转岗机会进入DevOps方向。
50%待验证选型判断：单次幂等脚本且无密钥管理需求时选bash/cron；多步骤Agent管道并需要人工介入时选n8n；需要多团队协作和严格SLA时选Airflow/Temporal。
50%待验证数据编排工具如Airflow、Prefect、dbt负责调度和转换进入模型的训练与推理数据
50%待验证传统工作流引擎如Temporal、Airflow或n8n存在是为处理并行执行、条件分支、超时重试和幂等性保证等表单模式难以应对的场景
50%待验证MLOps技术栈通常包含数据层（Airflow、dbt）、实验追踪层（MLflow、Weights & Biases）、模型服务层（TorchServe、Triton、BentoML）、基础设施层（Kubernetes、Terraform、云平台）
50%待验证数据管道工具如Airflow、dbt用于将数据的采集、转换、加载等步骤自动化
50%待验证Airflow（或Prefect、Dagster）负责编排有依赖关系的ML任务（DAG），并处理调度、重试、告警
50%待验证Prefect 和 Airflow 属于工作流编排平台，侧重数据管道的 DAG 调度与监控，提供可视化界面
50%待验证把搜索 SQL 化可以让搜索被程序调用、被 cron 定时任务触发、嵌入自动化工作流（如 Airflow）
50%待验证从传统DAG任务调度到Airflow、Dagster等数据编排工具，再到AI Agent编排，本质上都复用同一套图论抽象
50%待验证Airflow是Apache基金会的工作流编排平台，通过有向无环图（DAG）定义任务之间的依赖关系
50%待验证Airflow 的 KubernetesExecutor 会为每个任务动态创建一个 Pod，执行完毕后销毁
50%