AI · 算法工程
共 1,645 个仓库 · Python
跨 macOS 和 Windows 的实时语音翻译桌面应用，本地运行无需服务器，用自己的 API key 完成语音识别与翻译，并免费合成语音。
面向生产环境的 GraphRAG 系统，支持多模态索引、AI 智能体和 MCP 协议，可在 K8s 上弹性部署，帮团队把知识图谱与检索增强真正落地。
本地离线跑图像生成、实时语音对话和 LLM 聊天机器人的桌面推理引擎，数据不出本机，适合注重隐私的创作与自动化工作流。
把 Gemini、Grok、豆包、元宝等平台的原生 AI 搜索能力聚合成统一接口，一次查询即可拿到科技趋势、行业舆情和热点信息，方便接进自己的 Agent 和工作流。
给 LLM 应用接入 OpenTelemetry 埋点，统一采集 OpenAI、LangChain、LlamaIndex 等框架的调用链路，方便做可观测和排障。
把 AI Agent 线上失败自动聚类、冻结成可复现用例，在 CI 中回放并拦截有问题的 PR，实现 trace 原生的回归测试。
用单步扩散模型修复 3D 重建中的伪影和缺失细节，提升 NeRF 与高斯泼溅的渲染质量，出自 CVPR 2025 Oral。
用 Python 实现 node2vec 图嵌入算法，把网络中的节点映射成低维向量，方便下游做节点分类、链接预测等图学习任务。
把 Frigate NVR 接入 Home Assistant 的官方集成，让摄像头画面、目标检测事件和录像直接在智能家居面板里联动展示。
基于 InSPyReNet（ACCV 2022）的抠图工具，能一键去除图片和视频背景，输出带透明通道的结果。
可微分渲染器 SoftRas 的官方实现，把光栅化过程变得可导，让基于图像的三维重建和几何推理能端到端训练。
用空间稀疏注意力做超大规模 3D 生成，单卡也能跑千兆级 3D 内容，支持图生 3D 和 3D 重建。
一个模型同时搞定离线与流式的语音识别、语音翻译和语音合成，无需为不同任务分别部署系统。
FastGS 是 CVPR 2026 收录的 3D Gaussian Splatting 加速训练方案，能在约 100 秒内完成 3DGS 训练，大幅缩短三维重建的迭代时间。
用星凸多边形表示做目标检测的深度学习库，专门解决显微镜图像里细胞核等密集小目标的实例分割问题。
用 OCR 识别屏幕内容，再通过 TypeSafe 分类下一步操作并自动点击，实现每步约 0.0002 美元的 macOS 电脑操作自动化。
从任意文本自动抽取实体与关系并生成知识图谱的 Python 工具，附带基准测试，方便用 LLM 构建和评测图谱抽取流程。
面向大模型量化的压缩工具包，支持 NVIDIA、AMD、Intel、华为昇腾等多硬件加速，可无缝接入 HF、vLLM 和 SGLang 推理。
TrustRAG 是一个强调可靠输入与可信输出的 RAG 框架，帮你在检索增强生成流程里控制数据质量、减少幻觉，适合搭建可溯源的知识问答系统。
Linux 上的原生语音转文字工具，提供系统级听写，速度快、准确率高且数据本地处理，适合注重隐私的用户。
把 BERT 等预训练上下文向量和传统主题模型结合，用来在多种语言上抽取更连贯的主题，适合文本挖掘和主题分析。
把 Claude、Codex、Cursor 等多个 AI 编码窗口编排成协作团队，通过共享任务、确认、预检和独立评审来协调并行开发，并在本地双语面板追踪进度与证据。
基于 Vosk 和 Kaldi 的语音识别服务端，通过 WebSocket、gRPC、WebRTC 接口对外提供离线 ASR 能力，方便把语音转文字集成进自己的应用。
用逼真的合成对话模拟来诊断和优化 LLM Agent 的框架，帮助开发者在真实上线前发现并修复 Agent 的薄弱环节。