Pluto 是一款研发工具，致力于帮助开发者更便捷地构建云和 AI 应用，解决 AI 应用与开源模型难部署等问题。开发者可以使用 Python、TypeScript 等熟悉的编程语言编写应用，在应用代码中直接定义与使用应用所需的云资源，如 AWS SageMaker、DynamoDB 等。Pluto 会通过静态分析的方式从代码中自动获取应用程序的基础设施资源需求，并在指定云平台上创建相应的资源实例，简化资源创建和应用部署流程。
让我们来开发一个基于 GPT2 的本文生成应用，这个应用会把用户输入的文本传递给 GPT2 模型，然后返回生成的文本。使用 Pluto 的开发流程如下：
我们使用 AWS SageMaker 作为模型部署的平台，并使用 AWS Api Gateway 和 Lambda 来承载应用的 HTTP 服务。部署后的应用架构如右上子图
左上子图 new SageMaker() 创建一个对象，就可以定义一个 SageMaker 实例，然后就可以直接通过 sagemaker.invoke() 调用 SageMaker 模型，也可以通过 sagemaker.endpointUrl() 获取 SageMaker 模型的端点 URL。定义 Api Gateway 也只需要 new Router() 即可，而在调用 router.get()、router.post() 等函数时，传入的函数参数会被自动转换为 Lambda 函数。该应用也可以使用 Python 来实现。
编写完应用代码后，只需要执行 pluto deploy，Pluto 就会从应用代码中推导出应用的基础设施资源需求，并自动创建并配置近 30 项云资源，包括 SageMaker、Lambda、Api Gateway 等资源实例，以及触发器、IAM 角色、权限策略等资源配置。
最终，Pluto 会返回 Api Gateway 的 URL，我们可以直接访问这个 URL 来使用该应用。
想要了解更多案例？
- TypeScript 应用：
- Python 应用：
在线体验：CodeSandbox 提供了线上开发环境，我们在该平台上构建了 Python 和 TypeScript 两种语言的 Pluto 模板应用，可以直接在浏览器上体验。打开项目模板后，点击右上角的 Fork 按钮就能创建你自己的工程环境，环境中已经安装 AWS CLI、Pulumi 和 Pluto 基础依赖，按照 README 即可操作使用。
容器体验：我们提供了用于应用开发的容器镜像 plutolang/pluto:latest，镜像中包含了 AWS CLI、Pulumi、Pluto 等基础依赖，并配置了 Node.js 20.x 和 Python 3.10 环境。如果你只希望开发 TypeScript 应用，也可以使用 plutolang/pluto:latest-typescript 镜像。通过以下命令就可以在容器中体验 Pluto 开发：
docker run -it --name pluto-app plutolang/pluto:latest bash本地体验：如果你想在本地使用的话，请按照以下步骤配置：
npm install -g @plutolang/clipluto new # 交互式地创建一个新项目，可以选择 TypeScript 或 Python
cd <project_dir> # 进入项目目录
npm install # 下载依赖
# 如果是 Python 项目，除了 npm install，还需要安装 Python 依赖
pip install -r requirements.txt
pluto deploy # 一键部署！- 如果目标平台为 AWS，Pluto 会尝试读取你的 AWS 配置文件以获取默认的 AWS Region，如果没有配置，会尝试从环境变量
AWS_REGION获取。如果两者都没有配置，Pluto 在部署时将会报错。 - 如果目标平台为 Kubernetes，需要事先在 K8s 中安装 Knative，并关闭缩容到零的功能（因为 Pluto 尚不支持 Ingress 转发到 Knative servering，欢迎大佬来改进）。你可以根据这篇文档配置所需的 Kubernetes 环境。
详细步骤可以参考上手指南。
目前，Pluto 只支持单文件。在每个处理程序函数中，支持访问处理程序函数作用域之外的字面量常量与普通函数，Python 支持直接访问作用域外的类、接口等，TypeScript 需要将类、接口封装到函数中才能访问。
从这里可以了解我们为什么要做 Pluto，简单讲，我们想解决几个你或许经常遇到的痛点。
- 上手门槛高：开发一个云应用程序需要同时掌握业务与基础设施两种技术栈，同时又很难测试和调试，导致开发者在编写业务之外耗费了大量精力。
- 认知成本高：目前云服务提供商提供了数百种能力选项，Kubernetes 更是有无穷尽的能力组合，普通开发者通常对云没有足够的理解与认知，难以针对自身的业务确定一个合适的架构选型。
- 编程体验差：开发者需要维护基础设施与业务逻辑两套代码，或将基础设施配置混杂在业务代码中，导致编程体验不佳，远达不到像写一个单机程序一样简单。
- 服务商锁定：针对特定服务提供商编程会导致最终代码的灵活性很差，当因为成本等因素需要迁移到其他云平台时，需要进行大量的代码改造才能适配新的运行环境。
- 零上手负担：编程界面完全兼容 TypeScript、Python，支持 LangChain、LangServe、FastAPI 等绝大多数依赖库。
- 专注纯业务逻辑：开发者只需编写业务逻辑代码，Pluto 通过静态分析自动推导出应用的基础设施需求。
- 一键上云：CLI 提供编译、部署等基本能力，除了编码和基本配置外，一切由 Pluto 自动完成。
- 支持多种运行时环境：基于 SDK 提供多运行时的统一抽象，让开发者不需要修改源代码，就能够在多种运行时环境之间进行迁移。
整体上，Pluto 的部署过程分为推导、生成、部署三个阶段：
- 推导阶段：推导器（Deducer）会从应用代码中推导出应用所需云资源及资源间依赖关系，表示为云参考架构（architecture reference, arch ref），同时还会将用户的业务代码拆分成多个业务模块，业务模块与依赖的 SDK 共同构成业务模块包（biz bundle）。
- 生成阶段：生成器（Generator）会依据 arch ref 生成一份独立于用户代码的 IaC 代码。
- 部署阶段：根据不同的 IaC 代码类型，Pluto 会调用相应的适配器（Adapter），进而与相应 IaC 引擎配合执行 IaC 代码，完成基础设施资源配置与应用程序部署。
其中，推导器、生成器、适配器都是可扩展的，以此来支持更多不同的编程语言、平台接入方式等，目前，Pluto 提供 Python 和 TypeScript 两种语言的推导器，以及面向 Pulumi 的生成器和适配器。可以在这篇文章中详细了解 Pluto 的工作流程。
Pluto 与其他产品的关键区别在于：它利用静态程序分析技术直接从应用代码中推导资源依赖，并生成独立于用户代码的基础设施代码，使得基础设施配置不侵入用户的业务逻辑，给开发者提供了无需关注基础设施配置即可部署上云的研发体验。
- 与 BaaS 产品（如 Supabase、Appwrite）相比，Pluto 帮助开发者在目标云平台上创建属于自己账户的基础设施环境，而不是提供自管组件。
- 与 PaaS 产品（如 Fly.io、render、Heroku、LeptonAI）相比，Pluto 不负责应用托管，而是通过编译生成细粒度的计算模块，并整合使用云平台提供的、丰富的原子能力，如 FaaS、GPU 实例、消息队列等，在开发者不需要编写额外配置的情况下，将应用直接部署到云平台上。
- 与脚手架工具（如 Serverless Framework、Serverless Devs）相比，Pluto 没有针对特定云厂商或框架提供应用编程框架，而是为用户提供了一致的编程界面。
- 与基于纯注释的 IfC（Infrastructure from Code）产品（如 Klotho）相比，Pluto 直接从用户代码中推导资源依赖，无需额外的注释。
- 与基于动态分析的 IfC 产品（如 Shuttle、Nitric、Winglang）相比，Pluto 通过静态程序分析获取应用的资源依赖，并生成独立于用户代码的基础设施代码，无需执行用户代码。
可以在这篇文档中详细了解与其他产品的不同之处。
Pluto 目前还处于早期阶段，欢迎感兴趣的人参与贡献，无论是对 Pluto 要解决的问题、提供的特性，还是代码实现有任何建议或者想法，都可以参与到社区进行共建。项目贡献指南。
- 资源静态推导过程完整实现
- 🚧 资源类型检查
- ❌ local 变量转换 cloud 资源
- SDK 研发
- 🚧 Client SDK 研发
- 🚧 Infra SDK 研发
- ❌ 更多资源及更多平台支持
- 引擎扩展支持
- 🚧 Pulumi
- ❌ Terraform
- 🚧 本地模拟测试功能
详见 Issue 列表
✅：表示用户可见接口均可使用
🚧：表示用户可见接口部分可用
❌：表示暂不支持
| 资源类型 | AWS | Kubernetes | 阿里云 | 模拟环境 |
|---|---|---|---|---|
| Router | ✅ | 🚧 | 🚧 | 🚧 |
| Queue | ✅ | ✅ | ❌ | ✅ |
| KVStore | ✅ | ✅ | ❌ | ✅ |
| Function | ✅ | ✅ | ✅ | ✅ |
| Schedule | ✅ | ✅ | ❌ | ❌ |
| Tester | ✅ | ❌ | ❌ | ✅ |
| SageMaker | ✅ | ❌ | ❌ | ❌ |
| 资源类型 | AWS | Kubernetes | 阿里云 | 模拟环境 |
|---|---|---|---|---|
| Router | ✅ | ❌ | ❌ | ❌ |
| Queue | ✅ | ❌ | ❌ | ❌ |
| KVStore | ✅ | ❌ | ❌ | ❌ |
| Function | ✅ | ❌ | ❌ | ❌ |
| Schedule | ✅ | ❌ | ❌ | ❌ |
| Tester | ❌ | ❌ | ❌ | ❌ |
| SageMaker | ✅ | ❌ | ❌ | ❌ |
欢迎加入我们的 Slack 社区，或者 钉钉交流群: 40015003990。