AI · 算法工程
共 3,223 个仓库 · 一年内有推送
macOS 原生截图、录屏与视频编辑工具，提供截图工作台、75+ 自定义快捷键、URL Scheme 自动化和自托管云分享，可替代 CleanShot X 和 Loom。
把大模型 API 和前端应用接起来的智能体基建，通过统一指令协议、持久化记忆、分布式插件和多 Agent 协作，让无状态模型具备记忆与工具调用能力。
汇总文本到图像生成与合成领域论文、模型和资源的综述清单，方便快速了解 GAN、多模态等方向的研究进展。
面向开发者的 LLM 多智能体框架，用 Python 快速搭建和编排多个智能体协作的应用。
通用细胞分割算法，支持人工介入校正分割结果，适用于各类显微图像中的细胞检测与分割任务。
面向真实世界的 GUI 智能体基础模型，能理解屏幕界面并自动完成浏览器、手机和桌面端的点击导航操作。
LandingAI 官方命令行工具，在终端里解析 PDF 等文档，并按自定义 schema 抽取结构化数据，省去写代码调接口的麻烦。
用大模型从编译后的二进制程序还原并验证 C/C++ 源码，把反编译、源码恢复和校验串成自动化流程，适合逆向工程和安全分析场景。
把 Codex 的电脑操作能力从原应用中解耦出来，做成可嵌入任意 harness 的库，让 Agent 能跨平台控制桌面和浏览器。
用开源大模型驱动 AI 操作电脑桌面，配合 E2B 桌面沙箱安全执行点击、输入等操作，可替代 Claude 的闭源 computer-use 方案。
一套可私有化部署的企业级 Agentic AI 平台，让大模型在本地安全访问敏感数据和内部系统，避免数据外泄。
ailia SDK 的预训练模型合集，覆盖动作识别、人脸检测、背景移除、语音处理等任务，拿来就能跑推理，省去自己找模型和调参的功夫。
GLM-4.6V/4.5V/4.1V-Thinking 系列视觉语言模型，通过可扩展强化学习提升多模态推理能力，支持图像理解、视频理解和图文问答。
给普通监控摄像头加上目标检测、跟踪、手机通知和录像搜索能力，支持 RTSP 接入，可自建 NVR 替代商业方案。
给 Claude Code、Codex、OpenCode 等编码代理提供可跨工具共享的本地项目记忆，并根据运行记录统计 token 消耗，全程本地文件读写、不联网。
装在 Chrome 侧边栏里的浏览器 Agent，能读取当前登录页面、执行操作、生成文件并跑本地后续任务，模型可自带。
在 ComfyUI 里搭建 LLM Agent 的框架，接入 MCP、GraphRAG、语音合成与 OCR 节点，兼容 OpenAI 接口的各类模型和本地 GGUF 模型。
一套面向应用 AI 的实战教程，用 Jupyter Notebook 讲透大模型微调、推理与量化，帮工程师把 LLM 真正跑起来。
基于 Envoy Gateway 构建的生成式 AI 统一接入网关，把各家 LLM 和推理服务的调用收敛到一套路由与鉴权入口，方便在 Kubernetes 上统一管理。
开源文本转语音工具，能把超长文本拆成多角色配音，适合做有声书和长内容朗读。
面向科研场景的人机协作工作台，支持 PDF 带引用问答、文献库管理和写作，补上 Zotero 与 AI Agent 之间的上下文断点。
一套开箱即用的 LiDAR 里程计与建图管线，基于点到点 ICP 实现，无需调参即可在机器人上稳定运行，支持 ROS/ROS2。
小红书 AI 运营工作台，集内容采集、评论区下载、素材库、选题和 AI 写作于一体，本地优先，开箱即用。
快速且鲁棒的点云配准 C++ 库，支持 3D 重建、SLAM 和机器人场景下的点云对齐，能在大量外点下稳定求解配准。