AI · 算法工程
共 2,598 个仓库 · 近 4 个月有推送
把大语言模型和适配时空视频表示的视觉编码器结合，让模型能围绕视频内容展开有意义的对话，并提供视频对话模型的量化评测基准。
汇总了一批能借助 AI 进行网络搜索的软件与工具，方便按需挑选合适的 AI 搜索引擎或检索方案。
基于 AgenticX 的多智能体金融情报平台，实时分析财经新闻、融合情绪信号并挖掘 alpha 因子，帮量化研究者从资讯里找交易线索。
macOS 上的开源截图与录屏工具，用 Swift 6 和 SwiftUI 原生开发，是 CleanShot X 的免费替代品，支持标注和 OCR。
一套可复用的 AI 智能体技能包，覆盖需求探索、规格编写、编码实现、代码审查和自主调研，兼容 Claude Code、Codex 等智能体，帮软件团队把开发流程标准化。
一个用 Clojure 写的 Datalog 数据库，同时支持文档、图、键值和向量存储，还带全文检索，适合需要多种数据模型和向量检索的 AI 应用。
一站式通用 OCR 开源工具箱，集训练评测基准、商用级文字识别与文档解析系统于一体，并复现多篇学术论文的核心实现。
把多个 AI 编码代理（Claude Code、Codex 等）组织成可协作的团队，让它们分工执行任务并共享记忆，适合需要多人多代理协同的自动化开发场景。
全栈 AI 智能体桌面应用，把写代码、管文件、跑终端、查资料、做内容和多智能体协作都整合到一个界面里，适合想用统一入口完成多种任务的开发者。
面向扩散模型和全模态模型的多模态强化学习训练框架，支持 GRPO、流匹配和 vLLM 推理，用来做图像生成与多模态模型的 RLHF 训练。
基于 NVIDIA cuVSLAM 加速的 ROS 视觉 SLAM 与里程计包，在 Jetson 和 GPU 上实时完成机器人定位与建图。
在 git commit 时自动触发微型 AI 代码审查，无需额外平台即可在本地完成提交前检查，适合想低成本接入 AI 审查的团队。
把团队和多个 AI 编码代理放进同一块画布协作，支持 Claude Code、Codex、Gemini CLI 等，解决多人多代理并行开发时上下文割裂、难以协同的问题。
面向双语会议的实时双向语音翻译工具，自动识别说话语言并双向互译，支持云端或完全离线本地运行，覆盖桌面端和浏览器插件。
给 Claude Code 装上视频理解能力：用 ffmpeg 抽帧、Whisper 转写音轨，再交给多模态模型分析画面与声音，让 Agent 能直接看懂视频内容。
用 Python 对多目标跟踪器做基准评测，计算 CLEAR MOT 等标准指标，方便横向对比不同跟踪算法的效果。
一款纯 Rust 编写、GPU 渲染的终端，关掉窗口后 Shell 会话依然存活，支持 Agent 互相驱动和远程机器一致体验。
多后端 Whisper 语音转文字工具，支持本地文件或 URL 输入，在 Mac ARM 上做了速度优化，安装简单且完全离线私有。
可控语音转写工具，能逐字保留停顿、口吃和语气词，也能输出流畅可读版本，并提供词级时间戳。
面向各类 Stable Diffusion 模型的高质量免训练图像修复方案，可作为 ComfyUI 自定义节点直接接入工作流，无需额外训练即可完成局部重绘。
用 TypeScript 以代码优先方式构建、评估和部署复杂 AI Agent 的开源工具包，让开发者对 Agent 行为保持灵活控制。
统一调度编码智能体及其他 AI 智能体的命令中心，可跨机器管理多个 agent，并从写代码延伸到 CAD、电路、机器人和游戏等跨学科创作。
一套给 AI 编程代理用的技能包和 AGENTS.md 工作流模板，让 Claude Code、Cursor、Codex 按「隔离开发、服务层构建、证据验证、前后对比交付」的流程干活。
基于 Chrome DevTools 协议的异步网页抓取与自动化框架，能绕过 Cloudflare 等反爬检测，适合需要隐蔽采集的场景。