🟢 📦 开源 发布于: · 3 分钟阅读 ·

Kedro:1.2.0版本带来@experimental装饰器和LangGraph智能体starter用于GenAI管道

编辑插图:带 LangGraph 编排桥和 Mermaid 图的管道节点

Linux Foundation AI项目Kedro发布了1.2.0版本以及Kedro-Viz 12.3.0。新的@experimental装饰器允许标记处于开发中的API,starter项目support-agent-langgraph演示了与LangGraph编排和Langfuse/Opik提示管理工具的集成。Kedro-Viz获得了Mermaid图表和节点预览可扩展性,以改善管道调试。

🤖

本文由人工智能基于一手来源生成。

Linux Foundation AI生态系统的Kedro项目于2026年5月22日发布了双版本:Kedro 1.2.0(核心框架)和Kedro-Viz 12.3.0(可视化工具)。该版本带来了三项重要的新能力:用于开发中API的@experimental装饰器、官方LangGraph集成starter项目,以及Kedro-Viz中扩展的节点预览系统,支持Mermaid图表、文本和图像。

@experimental装饰器是什么,如何使用?

@experimental是一个新的Python装饰器,将Kedro API中的函数或类标记为「实验性的」。标记的API是公开可用的,但Kedro核心团队明确保留在不经历破坏性更改过程的情况下更改其签名、行为或删除它的权利。

调用实验性API的用户会通过Python warnings模块收到运行时警告(DeprecationWarning子类ExperimentalWarning):

ExperimentalWarning: kedro.pipeline.langgraph_node is experimental and may change.

如果团队在生产中使用实验性功能且不希望日志噪音,可以通过标准的warnings.filterwarnings()过滤警告。装饰器的目标是双重的:鼓励Kedro核心团队无需担心破坏性更改而快速迭代新想法,并向用户明确某个API尚不稳定。

1.2.0中首批@experimental API是什么?

首批标记为@experimental的API是LLM上下文节点和智能体工作流原语。LLM上下文节点是一种专门的Kedro节点,它不执行经典的数据转换,而是从Kedro配置中的结构化提示模板调用LLM(Claude、GPT、Gemini)。输出作为Python dict返回进入下一个节点——这允许创建混合管道,其中某些阶段进行经典ML处理,其他阶段进行LLM推理。

智能体工作流原语允许将整个Kedro管道视为根据运行时状态自主决定执行哪个节点的代理。这是明确实验性的,因为它将Kedro的语义基础(具有固定顺序的DAG管道)改变为更灵活但预测性更低的东西。

support-agent-langgraph starter是什么?

Kedro starters是通过命令kedro new --starter=support-agent-langgraph克隆的预配置项目模板。新的LangGraph starter展示了一个真实的企业场景:一个读取Slack通知、从Confluence和CRM中提取上下文、通过LLM生成草稿回复,并在置信度低于阈值时路由到人工代理的客户支持代理。

技术栈:

  • Kedro管道用于数据摄取(Slack RTM、Confluence API、CRM连接器)
  • LangGraph用于代理逻辑编排(决策树、重试处理、升级)
  • Langfuse和Opik(均为开源)用于提示版本控制、评估和可观测性

Starter附带示例数据、完整的Docker Compose设置和Kedro测试套件。目标不是开箱即用的生产就绪,而是展示使用Kedro作为骨干进行企业GenAI工作流需要连接哪些组件。

Kedro-Viz 12.3.0有什么新特性?

Kedro-Viz是Kedro管道的基于Web的可视化工具。12.3.0版本显著扩展了「节点预览」系统——在浏览器中显示每个节点摘要(输入/输出、元数据、最后运行状态)的功能。

新特性:

  • Mermaid图表预览:如果节点在其文档中包含Mermaid markdown,Kedro-Viz将其内联渲染为SVG图表。对于内部ML算法或业务逻辑的文档很有用。
  • 文本和图像预览:节点可以返回文本(示例输出)或图像(例如matplotlib图)在侧面板中显示,无需手动保存文件。
  • 自定义预览可扩展性:开发者可以通过Kedro-Viz插件API为自己的数据类型注册自定义预览器。

多管道执行在12.3.0中有所扩展——现在可以从Kedro-Viz UI并行运行多个独立的Kedro管道,并实时进度跟踪。对于同时运行10-50个ML管道的企业租户很有用。

这对Kedro用户群意味着什么?

Kedro已达到30,000 GitHub stars的里程碑,通过LF AI治理有约200名活跃贡献者。1.2.0发布清楚地表明了向GenAI工作流支持的转变——Kedro不再是专门的经典ML框架,而是在同一基础上覆盖传统ML和GenAI智能体管道的MLOps平台。这在战略上很重要,因为它为之前在Airflow(经典ML)和LangChain(GenAI)之间做选择的企业租户打开了Kedro采用的大门——Kedro提供了单一来源。

常见问题

什么是Kedro?
Kedro是一个用于构建可复现数据科学管道的开源Python框架,最初由QuantumBlack(麦肯锡)开发,自2022年起成为Linux Foundation AI生态系统的一部分。它定义了用于ML/AI工作流的数据目录、节点和管道结构。
@experimental装饰器做什么?
将Kedro API中的Python函数或类标记为「实验性的」——公开可用但没有稳定性保证。用户在使用时会收到运行时警告,这让Kedro核心团队可以在不破坏稳定API合约的情况下快速迭代新特性。
support-agent-langgraph starter是什么?
新的Kedro starter项目,展示如何将Kedro管道与LangGraph(Anthropic支持的编排框架)和Langfuse/Opik(提示管理和可观测性)集成。演示了使用Kedro进行生产GenAI工作流的最佳实践。