AI · 算法工程
共 2,598 个仓库 · 近 4 个月有推送
基于 Whisper 模型的 .NET 语音识别库，跨平台支持语音转文字与翻译，还内置 VAD 语音活动检测，方便在 C# 项目里直接接入。
用 Rust 直接实现 Chrome DevTools 协议，为 Python 和 Node 提供与 Playwright 一致的浏览器自动化 API，省去 driver 子进程，启动和调用更轻快。
一站式本地 AI 影音工作室，输入一句提示词就能规划完整音乐视频和短片，涵盖视频、图像与音乐生成，基于 WanGP 流水线并通过 Pinokio 安装。
面向 AI Agent 的 trace 原生 CI/CD：给生产链路打分、聚类失败样本，冻结成可回放的回归测试，并拦截会让效果退化的 PR，支持自托管。
用 Python 做点击流和事件日志分析的工具包，支持用户旅程、行为分群、A/B 测试和马尔可夫链模拟，还能让 AI 代理复现并交叉验证分析结果。
Niantic 开源的 3D 高斯泼溅压缩文件格式，体积比 PLY 小约 10 倍，视觉质量几乎无损，适合存储和分发大规模 3DGS 场景。
把 PDF 等非结构化文档转成经过校验、可查询的知识图谱，方便做 RAG 和文档关系分析。
纯 C++ 实现的大模型推理引擎，无需 Python 环境即可在电脑的 CPU 和 GPU 上实时运行对话模型。
在浏览器里直接修复 AI 生成的像素画和矢量图，不用装软件或上传服务器，适合处理文生图常见的锯齿、模糊和边缘失真问题。
原生 macOS 上的全能 AI 聊天客户端，一个界面就能接入 ChatGPT、Claude、Gemini、DeepSeek 等各家大模型服务，省去在多个网页和工具间来回切换。
给纯文本大模型补上视觉能力的工具箱，一行安装即可粘贴图片识别、多图问答、长截图 OCR 和截图还原前端 UI，还能做像素对比与元素定位。
为 Pi 编码 Agent 提供网页界面，让会话在真实工作区中持续存活，方便远程开发和长期任务不中断。
面向 Mac 和 NVIDIA DGX Spark 的 AI 电影制作工作室，按剧组流程规划分镜，并用 Qwen-Image、FLUX、MiniMax 等模型生成带声音的画面与视频。
面向 DeepSeek 的终端优先编码 Agent，靠约 98% 的提示缓存命中率和 1M 上下文降低调用成本，支持 MCP 工具与动态工作流。
分布式低延迟图+向量数据库，兼容 Neo4j Bolt/Cypher 和 Qdrant gRPC，无需改代码即可切换，支持亚毫秒 HNSW 检索与图遍历。
持续基准测试平台，在 CI 中自动追踪代码性能变化，防止性能回归，适合关注代码质量的团队。
用 Python 重写的 Claude Code 编程智能体，主打 token 高效，310K 行代码实现完整功能，适合想研究或二次开发 AI 编码代理的团队。
基于 FastAPI 的 RAG 服务，用 LangChain 对接 PostgreSQL 和 pgvector，按 ID 管理知识库，方便快速搭建检索增强生成后端。
用命令行脚本自动操作日常浏览器，基于 Playwright 和浏览器扩展，把重复的网页点击、填表等操作交给 CLI 完成。
给 AI Agent 配一个真实浏览器，关键步骤可人工接管，基于 MCP 协议、可自托管运行。
从零训练原生视觉语言模型的开源系列，去掉独立视觉编码器，让多模态理解与生成在统一架构里完成。
汇总扩散模型在机器人领域的关键论文与博客，覆盖抓取、运动规划、模仿学习和离线强化学习，方便快速入门和追踪进展。
基于 Tauri 和 Rust 的轻量级跨平台 AI 桌面客户端，集对话、Agent 与 AI 网关于一体，统一接入和管理多个模型服务。
给 AI 编程助手装一个本地长期记忆库，精确记住你说过的每句话和工作习惯，兼容 Cursor、Claude Code、Codex 等工具。