AI · 算法工程
共 3,223 个仓库 · 一年内有推送
用 Rust 写的轻量布局引擎，直接解析 JSX、HTML 和 CSS，把页面渲染成图片、SVG、PDF 或绘制树，不需要无头浏览器，适合生成 OG 图、发票和动态图像。
开源视觉惯性导航研究平台，提供 MSCKF 与 EKF 定位、传感器标定和 VIO 算法实现，方便机器人研究者做 SLAM 与状态估计实验。
TuriX-CUA 是一个让 AI 直接操作图形界面的计算机使用代理，通过视觉模型识别屏幕并模拟鼠标键盘完成自动化任务。
Skywork-R1V 是昆仑万维开源的多模态视觉语言推理模型系列，基于强化学习训练，擅长图像理解与复杂推理任务。
一个用 Rust 写的轻量级命令行工具，通过 Chrome DevTools 协议直接操控真实浏览器，专为编码 Agent 提供快速可靠的网页操作能力。
本地优先的多模型 AI 助手，用一个 Modelflare 密钥接入 GPT、Claude、Gemini 等 70+ 模型，支持在应用、微信、飞书里对话，能记忆、后台执行命令并操作电脑。
用 Rust 写的便携式 SQL 查询、搜索与 LLM 推理引擎，给业务数据库加一个实时分析节点，让 AI 应用和智能体直接基于数据做推理。
Go 语言封装的 Tesseract OCR 库，让 Go 程序直接调用 C++ 版 Tesseract 做图片文字识别，省去自己写 CGO 绑定。
从单张开放域图像估计深度、法线和相机参数的几何模型，CVPR'25 Oral 工作，可用于单目三维重建与场景理解。
macOS 上的本地语音听写应用，基于 Whisper 和 Parakeet 模型把语音实时转成文字，适合想要离线、隐私友好的语音输入用户。
开源的 AI 摄像头与 NVR 监控平台，用本地 VLM 和 YOLO 做视频分析，并通过 Telegram、Discord、Slack 推送智能安防告警。
把家里的多台设备连成集群来跑 LLM 推理，设备越多推理越快，用 C++ 实现分布式加速。
用大模型从文档里自动抽取实体和关系，生成可交互的知识图谱，省去手工梳理和建模的麻烦。
自托管的本地语音助手，对标 Amazon Echo 和 Google Home，用 ESP32 硬件加语音识别在本地完成唤醒与语音转文字，数据不出户，适合注重隐私的智能家居场景。
一套实战课程，教你用 LLM、Agent、RAG、微调和 LLMOps 搭建个人第二大脑 AI 助手，覆盖从数据工程到部署的完整链路。
汇总视觉语言模型在视觉任务上的论文与资源清单，方便研究者快速跟进多模态预训练、迁移学习和知识蒸馏等方向的最新进展。
用 Rust 写的轻量级推理引擎，能直接跑 TensorFlow 和 ONNX 模型，无需额外依赖，适合在边缘设备或嵌入式场景部署神经网络。
基于 .NET 的多智能体 AI 框架，用来快速搭建对话机器人和多 Agent 协作应用，省去从零编排通信与任务分发的麻烦。
用容器方式在本地跑 AI 模型推理的开发工具，屏蔽不同模型来源和硬件差异，一条命令就能起服务并用于生产。
一份精选的机器人软件与库清单，覆盖运动规划、多体动力学、仿真、SLAM 等方向，帮开发者快速找到合适的机器人开发组件。
本地运行的语音转文字工具，带网页界面，用 Whisper 模型把任意音频转成文本，还能翻译和编辑字幕，全程数据不出本机。
Turn audio and video into subtitles with an easy-to-use web UI. Everything runs on your own machine.
面向后端的网络请求检查工具，能抓取并查看服务发出的 HTTP 调用，方便排查接口问题和调试线上行为。
开箱即用的 AI Agent 微服务，用 Docker 一键部署，内置对话、函数调用和 MCP 客户端，帮你快速搭出可扩展的智能助手后端。