openmarkov.org

是什么

OpenMarkov 是由西班牙马德里 UNED 智能决策支持系统研究中心开发的开源概率图模型（PGMs）软件工具。它面向贝叶斯网络、影响图、因子化马尔可夫模型等建模与推理任务，也支持从数据中交互式学习贝叶斯网络，并可用于成本效果分析。整体定位更偏科研、决策支持和专业建模，而不是通用低代码分析工具。

核心能力与生态

从正文看，OpenMarkov 的核心功能包括编辑和评估多类 PGMs、执行贝叶斯网络学习，以及通过影响图、马尔可夫影响图和决策分析网络进行 CEA 成本效果分析。其成本效果分析有技术报告、教程章节和 ProbModelXML 示例网络支持，说明在卫生经济学和医学决策场景中有较明确的方法积累。开发者资料集中在 wiki，并提供 API 使用咨询、Bug、建议和贡献邮箱，具备一定开源协作入口。但页面未披露具体编程语言、SDK 形态、许可证、代码仓库和版本维护节奏，这会影响开发者评估集成成本。

定价与服务

页面明确称其为 open-source software tool，正文没有商业订阅或授权费用信息，可理解为工具本身开源可下载。与此同时，创建者创办的 DeciSupport 提供课程、咨询、定制软件开发等服务，尤其面向医学和概率人工智能，但未披露价格、支付方式或服务 SLA。

优缺点与适合人群

优点是专业性强，覆盖概率图模型与决策分析的多个重要类型，并有教程、技术报告和示例模型支撑；开源属性也利于研究复现和二次开发。短板是公开页面信息偏学术门户风格，安装环境、API 文档细节、语言绑定、社区活跃度和许可证均不清晰，教程 HTML 版本还标注暂不可用。它适合高校研究者、医学决策分析团队、需要 CEA 建模的卫生经济学人员，以及愿意阅读技术报告和 wiki 的开发者。

中国访问与替代品

正文未提供中国区访问、镜像、支付或本地服务信息，因此中国访问状态评为未知；如网站或下载速度不稳定，可能需要自行验证网络连通性。可对比的替代品包括 GeNIe Modeler、Netica、Hugin，以及 Python/R 生态中的 pgmpy、bnlearn。若更重视开源和研究可复现，OpenMarkov 值得评估；若需要成熟商业支持和图形化产品体验，则应同时比较商业 PGM 工具。