AI · 算法工程
共 2,598 个仓库 · 近 4 个月有推送
通过浏览器自动化把 Gemini 画图能力封装成 MCP 服务和技能，让 OpenClaw 等支持 MCP 的 agent 直接调用生成图片。
整理大模型训练数据全流程的精选资源库，覆盖数据获取、去重、过滤、配比、合成与溯源，配套「LLM × DATA」综述论文。
用 Go 重写的 Graphite/Carbon 时序数据接收服务，沿用 Agent→Cache→Persister 经典架构，比原版 Python 实现更省资源、吞吐更高。
在私有 GPU 桌面上批量运行 Claude、Codex、Gemini 和开源模型的 Agent 集群，用 Spec Coding 让每个智能体拥有独立加速环境。
用向量嵌入找出大型或混乱代码库中重复的逻辑，帮维护困难的项目定位可合并的冗余代码。
给 AI 助手做长期记忆的存储层，用图数据库加向量库记住跨会话的决策、关系和上下文，解决多轮对话后遗忘的问题。
开源 11B 参数的多模态视觉语言模型，专攻长视频和实时流式视频理解，可用于视频问答等场景。
给编码智能体加一份粘贴即用的约束契约，专门治它们过度防御的毛病：乱加哈希、堆边界处理、写冗余规则、过度设计。支持 Claude Code、Codex、Cursor 等主流工具。
汇总各家提供深度学习 GPU 算力的云服务商清单，方便按需挑选训练和推理用的云端 GPU 资源。
用 Python 写的高性能视觉库，把图像预处理、增强和 GPU 加速封装成简洁 API，省去重复样板代码，让研究者专注模型实验。
用 Python 搭建语音对话 AI 代理的框架，整合 Deepgram、ElevenLabs 等语音服务与 GPT-4、DeepSeek 等大模型，支持函数调用，快速做出能打电话的智能体。
基于 Whisper 的端侧语音转文字应用，支持 100 多种语言，用 Compose Multiplatform 同时覆盖 Android 和 iOS，全程本地推理不上传云端，适合注重隐私的转写场景。
自托管的 AI API 与 MCP 网关，给企业统一管控大模型调用：SSO/RBAC、按用户身份鉴权、PII 脱敏、工具调用防护、限流预算与成本审计。
收录 908+ 个 Nano Banana Pro（Gemini 3 Pro Image）提示词案例，每个都配有效果图和在线图库，方便直接抄作业做 AI 图像生成。
开源三维医学影像重建软件，可读取 DICOM 与断层扫描数据，完成分割并生成三维模型，用于术前规划与影像分析。
可嵌入内存文档数据库，自带高层查询构建器，支持向量、全文和混合检索，适合在应用内直接做 RAG 与相似度搜索。
基于 Git 版本控制的特性开关、A/B 实验和远程配置管理工具，让功能发布和实验配置像代码一样可审查、可回滚。
快速、鲁棒且可扩展的点云配准库，支持 LiDAR、RGB-D 等 3D 数据，并提供 ROS2 SLAM 示例，用于解决三维建图与定位中的配准问题。
用 Rust 和 DataFusion 从零实现向量数据库，边写代码边学 HNSW、IVF 等近似最近邻检索原理，适合系统编程练手。
把语音识别成文字再转成语音，并通过 OSC 消息把文本推到 VRChat 头像聊天框显示，还能播报当前歌曲。
高质量、可靠的 TTS/STT 库，在服务端和浏览器里都能用，统一封装 Edge、微软、OpenAI 等语音接口，省去逐个对接的麻烦。
纯 Swift 实现的单文件记忆层，让多个 Agent 在 Apple Silicon 上本地完成文本、图片和视频的亚毫秒级 RAG 检索，无需服务器和 API。
用受治理的 AI 代理按你批准的规格自主开发真实产品，代码需经另一代理验证才能合并，决策与品味始终由你把关。
把 whisper.cpp 封装成 React Native 原生模块，让移动端 App 直接跑 OpenAI Whisper 语音识别，无需联网或自建服务。