O Kiln adota uma filosofia de design modular que permite a integração perfeita com o ecossistema de tecnologia existente de uma empresa por meio da biblioteca Python de código aberto do MIT e de uma interface OpenAPI REST padronizada. A arquitetura permite que os desenvolvedores incorporem a funcionalidade principal do Kiln (geração de dados/ajuste fino do modelo/engenharia solicitada) em fluxos de trabalho personalizados, mantendo os benefícios originais de facilidade de uso da ferramenta.
A camada de interface técnica oferece três tipos de integração: o Python SDK encapsula chamadas de método para todas as funções e oferece suporte ao desenvolvimento interativo do Jupyter Notebook; a API REST segue a especificação OpenAPI 3.0 e pode ser chamada por meio de qualquer linguagem de programação; e o mecanismo Webhook permite acesso em tempo real a notificações de alterações no status do treinamento. O sistema também é pré-configurado com conectores para ferramentas populares de MLOps, como Airflow e MLflow.
As práticas de adoção do gigante do varejo Walmart mostram que sua equipe de ciência de dados implementou a integração do Kiln com seu sistema de recomendação interno por meio de uma biblioteca Python em apenas 50 linhas de código, transformando automaticamente os dados de comportamento do usuário em amostras de treinamento e acionando atualizações diárias de modelos incrementais. Esse design aberto garante que a ferramenta seja pronta para uso por iniciantes e personalizável para sistemas complexos de nível empresarial.
Essa resposta foi extraída do artigoKiln: ferramenta simples de síntese de dados e ajuste fino de modelos LLM, base de código 0 para ajustar seus próprios minimodelos!O
