Python任务自动化工具
pydoit 是一个 Python 原生任务运行器与自动化工具，定位接近 make，但不使用 Makefile、DSL 或 YAML，而是用 Python dict 和函数定义任务。它通过文件依赖、targets、MD5 或时间戳来判断任务是否需要重新运行，并支持 DAG 执行，因此核心价值在于“只运行发生变化的部分”。
在功能上，doit 支持 shell 命令、Python 函数，或二者混合作为 task action；任务可通过 docstring 自文档化，并能用 doit list、doit help 查看。其增量构建能力较突出，支持 file_dep、targets、自定义 up-to-date 检查、calc_dep、结果检查和动态任务生成，适合复杂流水线。高级能力包括插件架构、Framework API、自定义命令、存储后端、任务加载器、输出 reporter、线程或多进程并行、bash/zsh 补全和 Graphviz DAG 可视化。
项目要求 Python 3.10+，采用 MIT License，发布于 PyPI，并在 GitHub 上接受贡献。正文显示其自 2008 年持续维护，单元测试覆盖率 99%。文档结构较完整，包含入门、教程、参考、CLI、配置、扩展、FAQ 和集成工具等内容。成功案例覆盖斯坦福、BMW、Atomwise、McGill、MetalK8s、Nikola、奥斯陆大学图书馆等，说明它不只是玩具工具，而被用于科研、构建、内容生成和 DevOps 场景。
文本未提及商业版、订阅或付费支持；结合 MIT License 与 pip install doit，可视为开源免费工具。它是本地 CLI/库形态，不是 SaaS，因此没有传统意义上的自托管部署问题，可直接在本地、仓库或 CI 环境运行。
优点是轻量、Pythonic、可测试、可调试，且依赖跟踪比 invoke 这类命令执行工具更强；相比 Airflow、Luigi 等平台，它避免了分布式调度框架的重量。缺点是主要服务 Python 生态，团队需理解 doit 的任务模型；如果需要大规模分布式调度、Web UI 或企业 SLA，正文没有显示相关能力。它适合 Python 开发者、科研数据流水线、构建系统维护者、静态站点生成、游戏资源流水线和 DevOps 发布自动化。
正文未提供中国大陆网络、镜像或支付信息。由于它可通过 PyPI/GitHub 获取，实际访问可能受网络环境影响；替代品可考虑 make、just、invoke、snakemake、Scons、waf、Luigi、Airflow 或 CMake。
本测评基于公开资料整理,不构成购买建议,请以 pydoit.org 官网实际信息为准。
纯 Python 任务运行器，可替代 make 做增量构建。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。