AI · 算法工程
共 3,222 个仓库 · 一年内有推送
把小红书接入 MCP 协议的服务器，让 AI Agent 能直接调用小红书的内容与搜索能力，省去自己逆向接口和写适配层。
用三省六部制组织 9 个专职 AI Agent 协同干活，带实时看板和完整审计日志，解决多智能体编排混乱、过程不可见的问题。
开源生成式 UI 框架：智能体以流式输出布局数据，应用用 React、Angular、Flutter、SwiftUI 等原生组件实时渲染界面。
开源向量数据库，同时存储对象和向量，把向量检索和结构化过滤结合起来，具备云原生数据库的容错与扩展能力。
本地部署的 NotebookLM 替代品，AI 智能体能自动检索、改写和编辑你的文档，数据不出内网，适合对隐私敏感的研究场景。
把 LLM 变成能自主写代码的智能体，提供 Agent Harness、循环工程和多智能体编排，让编码任务自动拆解执行。
面向数据库的开源 MCP 服务器，让 AI 代理和 LLM 通过统一协议安全访问 BigQuery、ClickHouse、Elasticsearch 等多种数据源。
汇总 GitHub 上 PyTorch 相关的模型、实现、辅助库和教程，帮你在一个清单里快速找到需要的深度学习资源。
用 TypeScript 编写和部署持久化 AI Agent 与后台工作流，自带调度、重试和编排能力，无需自己搭建任务队列和基础设施。
在浏览器里直接跑 AI Agent 的 Web 界面，让 browser-use 的浏览器自动化能力开箱即用，不用自己搭前端就能可视化操作和调试。
阿里开源的轻量级端侧推理引擎，主打手机和嵌入式设备上的高性能模型推理，能跑大模型和常规深度学习网络。
在浏览器里直接跑 Hugging Face 的 Transformer 模型，不用后端服务器，前端就能做文本、视觉等机器学习推理。
用 PyTorch 从零实现的轻量级 vLLM，代码精简易读，适合学习大模型推理引擎的调度、KV Cache 和 PagedAttention 等核心机制。
用 Python 编排数据管道和资产，把开发、生产到可观测性串起来，适合数据工程和 MLOps 场景。
把 Markdown 扩展成带脚本能力的标记语言，一份源文件可编译成论文、幻灯片、网站、书籍和知识库，省去多套工具切换。
给 Obsidian 加一个自组织的 AI 第二大脑，丢进任意资料，Claude Code 会自动阅读、建立链接并归档成纯 Markdown 知识图谱，数据完全归你所有。
面向 LLM 应用的自动化评测工具，用合成测试集和多种指标量化 RAG 与生成效果，帮你在上线前发现质量问题。
Rust 写的张量库和深度学习框架，兼顾灵活性与效率，支持自动微分、跨平台后端和内核融合，可训练和部署神经网络。
轻量级进程内向量数据库，主打极速检索，适合在本地为 RAG、语义搜索和 LLM 记忆等场景提供向量与全文检索能力。
开源的多编码智能体并行编排工具，可替代 Codex App 和 Conductor，用你自己的订阅同时调度多个编码智能体协同干活。
面向 AI Agent 的实时分析与混合检索数据库，兼容 Iceberg、Hudi、Delta Lake 等湖仓格式，让 Agent 能低延迟查询海量数据。
面向 Agent 应用的 Python 可观测性 SDK，支持对 Agent、LLM 和工具调用做追踪、调试与评测，自带可自托管面板，用时间线和执行图看清多智能体系统的运行过程。
一站式大模型训练框架，支持 600+ 纯文本大模型和 300+ 多模态大模型的 CPT、SFT、DPO、GRPO 等训练，可用 LoRA 等 PEFT 方式或全参数微调。
给数据和模型做版本控制的工具，像 Git 管理代码一样管理数据集和机器学习实验，解决数据版本混乱、实验难复现的问题。