Sacred 是轻量级的 Python 实验管理框架，专注于配置管理、实验记录与可复现性，通过与 MongoDB 或 SQLite 后端集成实现实验历史存储。

Sacred

核心参数与统计

Sacred 不是"平台"或"SaaS"，而是一个 Python 库级别的实验管理框架。核心价值是在不引入额外基础设施的前提下，为 Python ML 实验增加配置管理、自动记录与可复现性。

项目	公开信息
官方定位	Python 实验管理框架
部署形态	pip 安装，无外部服务依赖
开源许可	MIT
存储后端	MongoDB、SQLite、JSON 文件
核心能力	配置系统、自动记录、可复现检查、观察者模式
生态集成	可与 TensorBoard、Omniboard 组合使用

与 Aim/MLflow 的差异：Sacred 更偏向"研究代码的实验层管理"，而非"团队的 MLOps 平台"。它不提供 Web UI（需搭配 Omniboard），适合偏好自建链路的团队。

用户与市场认可

相关信息未公开，以官方实时页面为准。

成本优势

相关信息未公开，以官方实时页面为准。

主要功能

• 配置管理（Config）：通过 Python 函数定义配置作用域，支持命令行覆盖与嵌套配置，避免硬编码散落各处。
• 自动记录（Observers）：通过 MongoDB 或 SQLite 观察者自动记录每次运行的配置、指标、输出与依赖版本。
• 可复现性检查：记录源代码状态、依赖库版本与随机种子，可验证当前代码是否能复现历史结果。
• 命令与搜索：通过命令行查看、搜索和删除历史实验，无需打开 Web UI。
• 轻量依赖：仅依赖 Python 标准库与可选存储后端，适合嵌入已有项目。

模型与版本演进

相关信息未公开，以官方实时页面为准。

技术优势

相关信息未公开，以官方实时页面为准。

如何使用

相关信息未公开，以官方实时页面为准。

产品定价

Sacred 是完全开源（MIT 许可）的 Python 库，无商业版本。

• C 端/个人：永久免费，pip install sacred 即可使用。
• 开发者/团队：免费，但团队共享实验数据需自行搭建 MongoDB 或共享文件存储。
• 企业/私有化：无商业版本，企业需自行管理后端存储与访问控制。

应用场景

• 个人研究实验管理：在 Notebook 或脚本中嵌入 Sacred 装饰器，自动记录每次实验的参数与结果。
• 学术实验室：多个学生或研究者共享同一 MongoDB 实例，实现实验结果的集中管理与对比。
• 可复现性要求高的项目：论文复现、竞赛提交等场景，Sacred 可记录代码状态与依赖版本作为审计凭证。

适用人群

• 学术研究员：需要轻量、可嵌入代码的实验管理，不希望引入 SaaS 依赖。
• Python ML 开发者：已有成熟的本地开发环境，想在不动用 MLOps 平台的情况下改善实验记录。
• 对可复现性有严格要求的团队：需审计代码状态与依赖版本的场景。

不太适合需要可视化仪表板、团队权限管理或模型注册表的团队，这些需求需配合 Omniboard 或迁移到 MLflow/Aim。

总结与展望

Sacred 以最小化依赖的方式填补了"实验记录"这一基础需求，尤其适合学术与个人场景。当前局限在于项目维护节奏较慢、缺乏内置 Web UI 与团队协作功能。建议从单个 Python 项目开始接入，确认配置管理与自动记录覆盖了实验痛点，再根据需要评估是否需要引入更重的 MLOps 平台。

版本信息

• Sacred 0.8.5 ：暂无官方精确日期。 （~2023-10）
• Sacred 0.7.5 ：暂无官方精确日期。 （~2022-06）