AI · 算法工程
共 1,644 个仓库 · Python
开源的端到端视觉语言模型 GUI 智能体，能看懂屏幕截图并直接操作图形界面，帮你自动完成电脑上的点击、输入等交互任务。
离线运行的俄语语音助手，通过插件机制扩展技能，适合在无网络环境下做语音交互和自定义语音指令开发。
用提示（如稀疏深度点或相机位姿）引导单目深度估计，输出高精度、尺度一致的深度图，用于三维重建和机器人抓取。
面向企业审计场景的可审计 AI 智能体平台，让智能体基于证据工作、工具调用受管控，并内置评测、人工复核与整改交付流程。
用 USB-C 把 iPhone 接到 Mac 上，让手机参与跑 27B 大模型，加快提示词读取并扩展上下文，适合本地推理场景。
把 Keras、scikit-learn、LightGBM 等训练好的模型转成 ONNX 格式，方便跨框架部署和推理。
基于 VGGT 的稠密 RGB SLAM 系统，在 SL(4) 流形上做位姿优化，用纯视觉输入实现稠密建图与定位。
一套目标检测评估指标工具，涵盖 mAP、AR、STT-AP 等 14 种指标，兼容 COCO、PASCAL VOC、ImageNet 等多种边界框格式，省去自己实现评估逻辑的麻烦。
用低代码方式简化和流式化提示词设计，让开发者和非技术用户都能更轻松地编写、调优大模型提示词。
面向语音与多模态机器学习的 Python 数据处理库，提供统一的音频加载、切分、特征提取和数据集管理接口，方便搭建语音识别等训练流水线。
把 YOLO 全系列（v5 到 v12、YOLOX）模型转成 TensorRT 引擎做加速推理，内置 NMS 插件，省去自己写后处理的麻烦。
OC-SORT 是 CVPR2023 提出的在线多目标跟踪算法，通过以观测为中心的设计提升遮挡和非线性运动场景下的跟踪鲁棒性，代码简单易用。
把图片或提示词一键变成带贴图、骨骼和动画的游戏角色，本地跑在 Apple Silicon 或 NVIDIA 上，适合独立游戏开发者和 3D 美术。
从零手写 Claude Code 式编码 Agent 的免费开源课程，含 8 篇文章、6 个视频和一套代码，带你搞懂 harness 工程与 LLM 评测。
自托管的生成式 AI 网页界面，集成 30 多种模型，覆盖图像、视频、音频生成，用浏览器就能统一调用，省去逐个搭建环境的麻烦。
面向企业的开源通用智能体运行框架，能在网页和 API 上执行复杂任务，支持 OpenAPI/MCP 集成、可组合架构和策略感知的护栏机制。
一个能 7×24 小时自主跑深度学习实验的 AI 智能体，采用 Leader-Worker 架构和固定大小内存，零成本监控训练与调参，适合无人值守的自动化研究。
单模型同时生成画面与声音的基座模型，解决视频和音频分开生成后不同步的问题，适合做带声视频创作。
跨 macOS、Windows、Linux、浏览器和移动端的电脑操作 Agent，能看屏幕、点击、输入、浏览网页并直接写代码，用一个 Agent 自动操作各类设备。
一套 Obsidian 笔记库起步模板，预置了 LLM 辅助、网页剪藏和卡片盒笔记法的目录与配置，省去从零搭建个人知识库的麻烦。
统一 RAG 检索环节的微调工具，覆盖 Embedding、ColBERT 和 ReRanker 三类模型，省去分别搭训练流程的麻烦。
Conformer 的 PyTorch 非官方实现，把卷积和 Transformer 结合起来做语音识别，适合直接拿来训练或复现 ASR 模型。
把对话语言模型压到 2-bit 量化，小到能在 8 位 Z80 处理器上跑，用 Python 训练后导出成 CP/M 的 .COM 程序，让老电脑也能聊天。
让 Claude Code、Codex 等编码智能体自动跑科研实验的开源框架，带评分、共享知识库和多智能体进化，省去手动调实验的重复劳动。