深度学习“炼丹”痛点：开发者呼吁利用 LLM 自动记录实验思路与代码差异

一位深度学习工程师在社区提出了一个普遍存在的行业痛点：在频繁的“炼丹”实验中，往往事后难以回忆起特定的改动动机和结果细节。目前的 MLflow、Weights & Biases (W&B) 等主流工具仅能被动记录参数与指标，缺乏对实验背后“思路”与“动机”的理解。该开发者呼吁一种结合 Git diff、训练日志与 LLM 的开源工具，希望能自动生成“实验改动说明”及结果对比分析。这一需求标志着 MLOps 领域正从单纯的数据记录向利用 AI 进行语义理解和自动化知识管理的方向演进。