AI · 算法工程
共 2,598 个仓库 · 近 4 个月有推送
把散落的 SKILL.md 文件整理成可检索、可评测的智能体技能语料库，自带检索与评测工具，方便给 Agent 搭建技能库。
纯 C 写的本地大模型推理引擎，靠 MoE 稀疏激活和 NVMe 流式加载，让 32GB 笔记本跑 80B 模型，速度全面超过 llama.cpp。
开源的 macOS 本地电脑操作工具，让 AI 快速操控鼠标和界面完成自动化任务，无需依赖云端。
基于 TypeSafe Jev 搭建的分阶段代码审查工作流与本地看板，把 AI 代码审查拆成多个可编排阶段，方便在本地跟踪和查看结果。
一套面向本地推理的实用工具集，包含 ComfyUI 工作流和基准测试配置，基于 4 张 RTX 3090 的机器实测，方便复现视频生成与 LoRA 相关实验。
统一序列并行注意力实现，把 Ulysses 和 Ring Attention 混合成 2D 并行，让长上下文 Transformer 训练和推理能扩展到超长序列。
Python 实现的多目标跟踪算法集合，集成 IoU Tracker 等多种跟踪器，配合 OpenCV 和 SSD-MobileNet 等检测模型，快速搭建视频目标跟踪流程。
Xilinx 官方运行时库，让 AIE 和 FPGA 加速卡在 Linux 上跑起来，提供驱动、用户态 API 和编译工具链，方便把 AI 负载卸载到 Versal、Ryzen AI 等硬件。
开源自托管的 AI 视频生成器，在网页界面里输入文字就能生成带旁白、字幕和数字主播的多场景视频，完全免费。
把 Claude Code、Codex、Gemini CLI 等多个 AI 编码代理放进同一个 tmux 终端界面并行运行，实时显示状态、管理 worktree 并审查代码差异。
一个不依赖传感器专门建模的鲁棒 LiDAR-惯性里程计，直接融合激光雷达与 IMU 数据估计位姿并建图，适合机器人 SLAM 场景。
基于 TypeScript 的 AI Agent 框架，提供认知记忆、动态人格、涌现行为和自构建设计，让自主智能体具备长期记忆与个性演化能力。
让 AI Agent 通过命令行直接控制 Chrome 的 CLI 工具，零配置、不绑定特定 Agent，开箱即用。
用 Whisper 把音频转成文字，再调用 GPT、Claude 等大模型翻译润色，直接输出 LRC 字幕文件，省去手动打轴和翻译的麻烦。
把任意网站转成精简的命令行界面，专为 AI Agent 设计，让网页浏览只消耗几百个 token 而不是几万个。
OmniVinci 是英伟达开源的全模态大模型，能同时理解视觉、音频和语言三种输入，适合做多模态联合推理与训练研究。
汇总 CVPR、ICCV、ECCV 等顶会中 AIGC 相关论文与代码，覆盖扩散模型、GAN、3D 生成等方向，方便快速跟进生成式视觉研究进展。
跨平台开源语音输入工具，按下热键自然说话，就能在任意应用中直接得到润色后的文字，省去手动打字。
一套面向财经科技短视频的 AI 制作技能包，覆盖选题设计、找片截图、配音、渲染和混音，帮内容创作者快速产出华尔街风格的解读短片。
用 RANSAC 从点云中拟合平面、球、圆柱、长方体、圆和直线等 3D 基元，适合 LiDAR 与三维重建场景做形状检测和分割。
离线文档全文检索工具，支持按正文而非文件名搜索 HWP、PDF、Office 等韩文文档，覆盖 Windows 和 macOS。
用纯 Go 直接调用 llama.cpp 做本地推理，支持 CUDA、Metal、ROCm 硬件加速，覆盖 Linux、macOS、Windows 和 WebAssembly，方便在 Go 应用里嵌入大模型。
模块化 RAG 框架，能自由替换 LLM、嵌入模型和向量库，还支持 MCP 接入外部工具与数据源，省去重复搭建检索增强流程的功夫。
跨平台开源 3D 雕刻软件，支持高密度网格、重拓扑、贴图绘制，内置图/文生 3D 与高斯泼溅，可导出游戏级 LOD 并直发 Unreal。