AI · 算法工程
共 3,223 个仓库 · 一年内有推送
汇总 Prompt 与 LLM 相关论文、开源数据和模型，并整理 AIGC 应用案例，方便快速跟进提示工程与大模型研究进展。
一套 Python/C++ 混合的视觉 SLAM 流水线，支持单目、双目和 RGB-D 相机，集成多种特征提取、回环检测、深度预测与语义分割，用于三维重建和场景理解。
跨多种 agent 框架的自改进记忆层，让 AI 编程助手在不同工具间共享并持续积累知识，避免重复摸索。
系统梳理 GPU 架构、CUDA 编程、大模型基础与 AI Agent 的入门知识库，帮开发者补齐 AI 基础设施底层原理。
跨设备个人 AI 智能体，在手机、电脑和浏览器上运行，能操作屏幕和电脑完成任务，关掉应用也继续工作，记住你的偏好，不可逆操作前先征求同意。
D-FINE 把 DETR 的边界框回归重构成细粒度分布细化，让目标检测在保持端到端简洁结构的同时显著提升定位精度，是 ICLR 2025 Spotlight 工作。
一套加速深度学习研发的 PyTorch 高层框架，提供可复用的训练循环、分布式训练和指标回调，省去反复搭训练脚手架的时间。
跨平台截图与标注工具，支持裁剪、模糊、绘图和上传图床，适合需要快速截图并做标注的日常办公与开发场景。
用 TypeScript 实现的多智能体团队协作工具，通过 CLI 把多个 AI agent 组织成小队，让它们分工完成任意项目里的开发任务。
面向大型代码库的本地私有智能分析引擎，支持混合语义搜索、多语言依赖图、符号级影响分析和调用链追踪，可作为 MCP 或编辑器插件零配置接入，帮 AI 编程助手大幅减少 token 消耗和调用次数。
把 OpenAI Whisper 封装成开箱即用的 Docker 语音识别 Web 服务，上传音频即可通过 API 拿到转写文本，省去自己搭推理服务的麻烦。
在手机或 Mac 上离线跑 GGUF 大模型、视觉识别、Whisper 语音转文字和 Stable Diffusion 生图，支持工具调用与局域网服务，无需账号和 API Key。
给 AI Agent 用的隐身浏览器自动化 MCP 服务，基于 Chrome DevTools 协议实现页面导航、网络拦截、DOM 提取和像素级 UI 克隆，能绕过反爬检测。
用 2D 高斯面片做辐射场重建，能同时合成新视角并输出几何精确的表面，解决了传统 3DGS 重建表面粗糙、几何不准的问题。
一款原生 macOS 聊天应用，基于 llama.cpp 在本地运行大模型，可直接读取你 Mac 上的文件、文件夹和网页内容来回答问题，无需额外安装其他软件。
把幻灯片截图、PDF 和图片版 PPTX 转成可编辑的 PowerPoint 文件，基于 Codex skill 实现，省去手动重排的麻烦。
一套可扩展的列柱式压缩框架，也是目前最快的开源列柱式文件格式，面向多模态和 Arrow 数据的高效存储与读取。
一个基于 Gradio + React 的 WebUI，把 GPT-SoVITS、CosyVoice、XTTSv2、Bark、MusicGen、RVC 等二十多种语音合成、音频生成与音乐生成模型整合到同一界面，省去逐个部署的麻烦。
用 LLM 驱动的网页抓取工具，支持 OpenAI、Gemini 和 Ollama，能按自然语言指令从网页中提取结构化数据，省去手写解析规则。
面向自主无人机的开源软件栈，集成 PX4、MAVROS、Gazebo 仿真与视觉 SLAM，帮开发者快速搭建无人机定位、控制与仿真验证环境。
从 OpenAPI、GraphQL、gRPC 等接口描述文件自动生成交互式 API 文档、带类型的 SDK 和 MCP 服务器，省去手写文档和客户端的重复劳动。
轻量级 Python 向量化库，无需 API 调用即可在本地快速生成高质量文本嵌入，适合 RAG 和向量检索场景。
在安卓手机上免 ROOT 跑 DeepSeek Harness，自带完整 Ubuntu 环境，用 proroot 避开 ptrace 开销，AI 输出实时上屏、ADB 直连、数据不丢。
用 TypeScript 快速搭建 MCP 服务器的框架，内置 SSE 传输支持，省去从零处理协议细节的麻烦。