AI · 算法工程
共 3,223 个仓库 · 一年内有推送
CVNets 是苹果开源的计算机视觉训练库，基于 PyTorch，支持分类、检测、分割等任务，覆盖 ImageNet、COCO、ADE20K 等主流数据集。
本地运行的 AI 聊天应用与推理引擎，基于 llama.cpp 加载 GGUF 开源权重模型，完全离线、保护隐私，支持 Apple Silicon 桌面端。
让 vLLM 在 Apple Silicon 的 Mac 上跑起来，通过 Metal 和 MLX 后端把大模型推理搬到本地苹果芯片，省去 GPU 服务器。
用一个 Transformer 统一多模态理解与生成，既能看图回答，也能按文字生成图像，省去多模型拼接的麻烦。
面向自动化渗透测试的多智能体编排框架，用 AI 指挥官调度 worker 集群，配合分层事实-意图图实现无人值守的自主攻击。
基于对象存储的图数据库，支持分支和类型化本体，用 Rust 写成，适合在 S3 等存储上构建可版本化的知识图谱与上下文图。
开源微调 Qwen-VL 系列多模态大模型的实现，支持 Qwen2-VL、Qwen2.5-VL、Qwen3-VL 等版本，方便按自己的数据定制视觉语言模型。
只用几张图片就能让文生图扩散模型学会多个新概念，并把它们组合到同一张图里，适合做个性化图像生成和少样本微调。
基于 Meta Llama 3 开发的中文大模型项目，提供中文 LLaMA-3 和 Alpaca-3 模型及训练、部署方案，解决中文场景下开源大模型可用性问题。
基于 GPU 加速的视频分析智能体参考架构，用视觉语言模型、LLM 和 RAG 实现长视频的实时告警、视觉问答与自动报告生成。
面向流式视频超分的一步扩散框架，用局部约束稀疏注意力和微型条件解码器把扩散超分做到实时，适合直播、视频通话等低延迟场景。
Spoon 是一个 Java 元编程库，能解析源码构建结构良好的 AST，并提供强大的分析与变换 API，用于代码分析、生成和编译期反射。
开箱即用的扩散模型推理加速库，兼容 Diffusers 和 ComfyUI，通过编译优化和 LoRA 支持显著提升图像生成速度。
自建的家庭照片管理服务器，用物体识别、人脸识别、位置和色彩分析等 ML 算法帮你从海量照片里快速筛出想要的那张，任意设备都能访问。
macOS 上的屏幕文字识别工具，框选屏幕任意区域即可提取其中的文字并复制到剪贴板，省去手动重打的麻烦。
本地运行的代码语义搜索与调用图工具，让 AI 编程助手在不上传代码的前提下理解仓库结构、定位相关代码。
把剧本一键变成带动画的漫画视频，自动完成角色设计、分镜和视频合成，适合做故事短片和漫画内容。
JetBrains 全家桶的开源 AI 编程助手插件，可接入任意环境中的任意大模型，按需定制编码体验。
用 Python 仿真加开源教材一步步搭建自动驾驶系统，可在同一框架里替换对比定位、规划与控制算法，适合入门学习。
Rust 写的进程内搜索库兼多租户服务端，把 BM25 词法检索和向量检索揉在一起，适合做混合搜索和 RAG 的召回层。
基于视觉惯性里程计的实时 SLAM 系统，能在 CPU 上完成定位、建图并生成三维网格，适合机器人与状态估计场景。
TypeScript 优先的结构化日志与可观测性库，用宽事件和结构化错误替代翻日志碰运气，支持多种运行时。
给一段喜欢的视频，就能生成风格一致的新视频；由 Claude Code 或 Codex 多智能体协作完成规划、制作和审阅。
开源的端到端视觉-语言-动作模型，让 GUI 智能体看懂屏幕截图并直接输出点击、输入等操作，用于自动化电脑操作。