AI · 算法工程
共 3,223 个仓库 · 一年内有推送
基于 NVIDIA cuVSLAM 加速的 ROS 视觉 SLAM 与里程计包，在 Jetson 和 GPU 上实时完成机器人定位与建图。
给 Claude Code 装上视频理解能力：用 ffmpeg 抽帧、Whisper 转写音轨，再交给多模态模型分析画面与声音，让 Agent 能直接看懂视频内容。
在 git commit 时自动触发微型 AI 代码审查，无需额外平台即可在本地完成提交前检查，适合想低成本接入 AI 审查的团队。
把团队和多个 AI 编码代理放进同一块画布协作，支持 Claude Code、Codex、Gemini CLI 等，解决多人多代理并行开发时上下文割裂、难以协同的问题。
面向双语会议的实时双向语音翻译工具，自动识别说话语言并双向互译，支持云端或完全离线本地运行，覆盖桌面端和浏览器插件。
用 Python 对多目标跟踪器做基准评测，计算 CLEAR MOT 等标准指标，方便横向对比不同跟踪算法的效果。
一款纯 Rust 编写、GPU 渲染的终端，关掉窗口后 Shell 会话依然存活，支持 Agent 互相驱动和远程机器一致体验。
可控语音转写工具，能逐字保留停顿、口吃和语气词，也能输出流畅可读版本，并提供词级时间戳。
多后端 Whisper 语音转文字工具，支持本地文件或 URL 输入，在 Mac ARM 上做了速度优化，安装简单且完全离线私有。
面向各类 Stable Diffusion 模型的高质量免训练图像修复方案，可作为 ComfyUI 自定义节点直接接入工作流，无需额外训练即可完成局部重绘。
用 YOLOv5 + DeepSORT 做车辆和行人的多目标追踪与计数，封装成 Detector 类，方便直接嵌进自己的项目里。
统一调度编码智能体及其他 AI 智能体的命令中心，可跨机器管理多个 agent，并从写代码延伸到 CAD、电路、机器人和游戏等跨学科创作。
用 TypeScript 以代码优先方式构建、评估和部署复杂 AI Agent 的开源工具包，让开发者对 Agent 行为保持灵活控制。
一套给 AI 编程代理用的技能包和 AGENTS.md 工作流模板，让 Claude Code、Cursor、Codex 按「隔离开发、服务层构建、证据验证、前后对比交付」的流程干活。
基于 Chrome DevTools 协议的异步网页抓取与自动化框架，能绕过 Cloudflare 等反爬检测，适合需要隐蔽采集的场景。
用 AI 智能体自动完成应用部署和服务器运维，不用操心基础设施，支持自有服务器或托管环境。
基于 TensorRT 和 CUDA 加速 YOLO 系列模型部署的 C++ 示例库，覆盖检测、姿态、分割、深度估计、OBB 和分类等任务，帮你在 NVIDIA 显卡上把推理跑得更快。
把网页、文档和本地文件统一存起来，支持搜索、浏览，还能用大模型对话问答，适合做个人知识库和资料检索。
用 Python 库搭建的语音个人助手，能通过语音指令发邮件、识别文字、播报新闻天气、搜索维基百科和地图、下载 YouTube 视频等。
本地或自托管运行 29 个开放决策模型家族的推理服务，兼容 Jev API，现有 TypeSafe SDK 改个 base URL 就能接入。
在 Apple Silicon Mac 上原生微调大模型的工具，基于 MLX 支持 SFT、DPO、GRPO 以及视觉、语音、OCR 等多模态训练，API 兼容 Unsloth。
仅凭视频输入就能做流式三维重建，重点解决长时序场景下局部上下文丢失的问题，适合在线建图与SLAM类应用。
SkillNet 用知识图谱把 AI 技能组织成可复用、可评估、可连接的技能网络，让智能体按需检索并组合技能完成任务。
给 Claude Code 加上语音对话能力，用 Whisper 做语音识别、Kokoro 做语音合成，通过 MCP 服务实现自然流畅的语音交互。