AI · 算法工程
共 3,223 个仓库 · 一年内有推送
基于 Whisper 的多语言语音识别工具，能输出词级时间戳和置信度，方便做字幕对齐和逐词定位。
训练和推理 ColVision 系列视觉语言检索模型（ColPali、ColQwen2、ColSmol）的代码库，用多模态嵌入直接检索文档图像，省去 OCR 和文本解析步骤。
兼容 Arduino 的多主多介质网络协议，让单片机、ESP32、树莓派等设备通过 LoRa、MQTT 等介质组网通信。
给 paperless-ngx 文档管理系统接上大模型，用 LLM 和视觉 OCR 自动识别扫描件内容、生成标题和标签，让文档数字化更省事。
统一封装 LoRA、Adapter 等参数高效微调方法的 PyTorch 库，兼容 Hugging Face Transformers，让大模型微调只需改几行代码。
把 S3、GCS、Azure 上的非结构化数据整理成带类型、可版本化的数据集，方便 AI Agent 和机器学习流程直接读取和复用。
面向日文漫画的 OCR 工具，能识别漫画中的对话气泡和拟声词等文字，基于 Transformers 实现，适合做漫画翻译或文本提取。
面向 AI 编码代理的模型驱动脚手架，用语义建模、应用生成和渐进式 API 辅助，让代理写出的代码可验证、可落地。
用约 5000 行 TypeScript/Python 从零复现 Claude Code 核心架构，分 11 章教程带你吃透 coding agent 的实现精髓。
MOSS-Image 是一个 50 亿参数的 DiT 基础模型，主打高质量文字渲染、布局生成和高效微调，适合需要精准控制文字与版式的文生图场景。
用基础模型自动给图片打标签，再拿这些标注训练自己的监督视觉模型，省掉人工标注的环节。
给 Postgres 数据库做分支和秒级瘦克隆，让 CI/CD 里的数据库测试跑得更快、成本更低。
在自己的 GPU 上跑 GLM-5.3-Flash、DeepSeek-V4.1-Flash、MiniMax-M3.1-Flash 等大模型，统一引擎加可视化面板，兼容 OpenAI 与 Anthropic 接口。
汇集 FLUX、Stable Diffusion、SDXL 等图像生成模型的训练与微调教程，涵盖 LoRA、DreamBooth、ComfyUI 和云端 Notebook 实操指南。
截图后直接识别图中文字并复制到剪贴板，省去手动输入，支持多平台，适合从图片、PDF 或界面中快速提取文本。
一个跨平台本地大模型聊天客户端，通过统一界面连接 llama.cpp 本地模型以及 Anthropic、OpenAI、DeepSeek、Ollama 等远程服务。
用命令行驱动浏览器的自学习 Agent，基于 Playwright 自动操作网页，并在使用中积累经验、越用越顺手，适合做网页自动化与数据采集。
基于 Spring Boot 3 和 Spring AI 的 Java AI 开发实战教程，带你实现 AI 恋爱大师应用和 ReAct 模式自主规划智能体，覆盖 RAG、向量数据库、Tool Calling、MCP 等核心技术。
模块化、不绑定技术栈的 AI 编码代理工具包，让代理自动发现、复现并修复代码与硬件安全漏洞。
面向已训练神经网络模型的量化与压缩库，提供剪枝、量化等高级技术，帮助在部署前压缩模型体积、降低推理开销。
把 Claude、Codex 等多家 LLM 的 API 统一成一个入口的聚合网关，方便个人集中管理和切换不同模型服务。
面向 PyTorch、TensorFlow 和 ONNX Runtime 的模型压缩工具，支持 INT8/FP8/INT4 等低比特量化和稀疏化，帮大模型在低精度下保持精度并降低显存与推理成本。
一个用 Rust 写的 API 平台，把搜索、推荐、RAG 和数据分析打包在一起，底层接 PostgreSQL 和 Qdrant 向量库，省去自己拼装检索链路的麻烦。
一个 MCP 服务器，让 AI 代理和 LLM 能稳定抓取公开网页，内置反爬与浏览器自动化，解决网页数据采集和提取的难题。