AI · 算法工程
共 2,598 个仓库 · 近 4 个月有推送
macOS 原生截图、录屏与视频编辑工具，提供截图工作台、75+ 自定义快捷键、URL Scheme 自动化和自托管云分享，可替代 CleanShot X 和 Loom。
把大模型 API 和前端应用接起来的智能体基建，通过统一指令协议、持久化记忆、分布式插件和多 Agent 协作，让无状态模型具备记忆与工具调用能力。
汇总文本到图像生成与合成领域论文、模型和资源的综述清单，方便快速了解 GAN、多模态等方向的研究进展。
面向开发者的 LLM 多智能体框架，用 Python 快速搭建和编排多个智能体协作的应用。
面向真实世界的 GUI 智能体基础模型，能理解屏幕界面并自动完成浏览器、手机和桌面端的点击导航操作。
LandingAI 官方命令行工具，在终端里解析 PDF 等文档，并按自定义 schema 抽取结构化数据，省去写代码调接口的麻烦。
用大模型从编译后的二进制程序还原并验证 C/C++ 源码，把反编译、源码恢复和校验串成自动化流程，适合逆向工程和安全分析场景。
把 Codex 的电脑操作能力从原应用中解耦出来，做成可嵌入任意 harness 的库，让 Agent 能跨平台控制桌面和浏览器。
用开源大模型驱动 AI 操作电脑桌面，配合 E2B 桌面沙箱安全执行点击、输入等操作，可替代 Claude 的闭源 computer-use 方案。
一套可私有化部署的企业级 Agentic AI 平台，让大模型在本地安全访问敏感数据和内部系统，避免数据外泄。
ailia SDK 的预训练模型合集，覆盖动作识别、人脸检测、背景移除、语音处理等任务，拿来就能跑推理，省去自己找模型和调参的功夫。
GLM-4.6V/4.5V/4.1V-Thinking 系列视觉语言模型，通过可扩展强化学习提升多模态推理能力，支持图像理解、视频理解和图文问答。
给 Claude Code、Codex、OpenCode 等编码代理提供可跨工具共享的本地项目记忆，并根据运行记录统计 token 消耗，全程本地文件读写、不联网。
装在 Chrome 侧边栏里的浏览器 Agent，能读取当前登录页面、执行操作、生成文件并跑本地后续任务，模型可自带。
在 ComfyUI 里搭建 LLM Agent 的框架，接入 MCP、GraphRAG、语音合成与 OCR 节点，兼容 OpenAI 接口的各类模型和本地 GGUF 模型。
开源文本转语音工具，能把超长文本拆成多角色配音，适合做有声书和长内容朗读。
基于 Envoy Gateway 构建的生成式 AI 统一接入网关，把各家 LLM 和推理服务的调用收敛到一套路由与鉴权入口，方便在 Kubernetes 上统一管理。
面向科研场景的人机协作工作台，支持 PDF 带引用问答、文献库管理和写作，补上 Zotero 与 AI Agent 之间的上下文断点。
小红书 AI 运营工作台，集内容采集、评论区下载、素材库、选题和 AI 写作于一体，本地优先，开箱即用。
给 AI Agent 用的长期记忆系统，支持语义记忆和多 Agent 共享记忆管理，让智能体跨会话记住上下文。
Open3D 的 3D 机器学习扩展，提供点云与 RGBD 数据的语义分割、目标检测等任务的训练与可视化工具，支持 PyTorch 和 TensorFlow。
自托管的无头浏览器自动化平台，基于 Camoufox（Firefox）实现极低检测率，适合需要隐蔽抓取和规模化自动化的场景。
把扫描件、邮件附件等来源的杂乱文档集中管理，自动做 OCR 和 NLP 分析并打标签归类，减少手工整理成本。
面向 AI 原生应用的分布式向量搜索引擎，支持混合检索和 RAG 场景，帮你在海量向量里快速找到相关内容。