Celebi logo Celebi
Celebi

开源 · Apache-2.0

面向高能物理的可复现分析管理系统

Celebi 将项目、数据、算法与任务组织成结构化的工作区,内置依赖追踪、来源记录与快照能力,让复杂的高能物理分析链条保持可复现、可追溯、可协作。

快速上手 GitHub 仓库
git clone https://github.com/CelebiProjects/Celebi.git
cd Celebi && pip install .

结构化组织

项目、数据、算法与任务清晰分离,层次结构定义明确。

依赖追踪

数据、算法与任务之间的关系自动构成有向无环图(DAG),可查看、可重放。

Impression 快照

随时间记录重要结果、配置与对象状态 —— 内置的版本记忆。

可复现性

完整捕获工作流结构、参数、输入与执行环境。

灵活适应

修改算法或参数后,只重新运行受影响的下游任务。

协作共享

跨人员、跨机器、跨环境一致地共享项目与工作流。

核心概念

用少量概念,管理大型分析流程。

Project(项目)

自包含的分析工作区 —— 根容器与顶层命名空间。

Directory(目录)

在项目内组织与归组对象的单元。

Data(数据)

由 Celebi 注册与管理的原始或派生数据集。

Algorithm(算法)

可复用、无状态的计算模板 —— “怎么做”。

Task(任务)

算法的一次具体执行实例,带有指定输入与参数 —— “做什么”。

Runner(执行器)

执行后端:本机、批处理系统或远程资源。

Impression(快照)

对关键输出与分析状态的记录快照。

几分钟内上手

1

安装

Celebi 是一个 Python 包,克隆并安装:

git clone https://github.com/CelebiProjects/Celebi.git
cd Celebi && pip install .
2

初始化项目

创建工作区并进入 Celebi shell:

celebi init my_analysis
celebi
3

构建并运行工作流

定义算法、连接任务并提交 —— 依赖自动解析:

celebi-cli create-algorithm selection
celebi-cli create-task preselection --algorithm selection
celebi-cli submit /preselection

最新动态

全部动态 →

开发路线图

Celebi 的发展方向。

当前

  • CelebiChrono 核心:项目、任务、算法、数据、impression
  • CLI 支持项目根目录 @/ 路径与 Tab 补全
  • VS Code 插件:项目树、任务提交、trace 可视化
  • 桌面 UI:DAG 查看器、runner 管理、内置终端
  • 面向 AI 辅助工作流的 Claude Code skills

近期

  • PyPI 打包发布,简化安装流程
  • 批处理与远程 runner(HTCondor、Slurm)
  • 完善文档与教程
  • Web 监控面板

远期

  • 协作项目注册与共享中心
  • 云端执行后端
  • 面向具体实验的集成与模板