AI · 算法工程
共 1,645 个仓库 · Python
开源手机智能体模型与框架，让 AI 直接操作手机界面完成点按、输入等任务，把「AI 手机」能力开放给所有人。
把某人的思维方式蒸馏成可复用的 Skill，供任意 Agent 或 Bot 直接加载使用，解决智能体难以复刻特定人物或同事行为模式的问题。
配套 B 站视频教程的深度学习图像处理实战代码库，用 PyTorch 和 TensorFlow2 覆盖图像分类、目标检测与分割的完整训练流程。
用自然语言描述就能生成 STEP、STL 等 CAD 模型文件，把文字直接变成可加工的三维零件设计，适合机械工程和机器人领域的快速原型。
开源的 RAG 文档问答工具，上传文档后即可用大模型对话检索，快速搭建私有知识库问答。
把大语言模型和 Hugging Face 上的各类模型连起来，让 LLM 自动挑选、调用合适的模型完成多模态任务，相当于给模型加了个调度中枢。
用 PyTorch 实现的 Vision Transformer（ViT），只需一个 Transformer 编码器就能在图像分类任务上达到 SOTA，代码简洁易读，适合快速复现和二次开发。
PyTorch 版 CycleGAN 与 pix2pix 实现，提供图像到图像翻译的完整训练与测试流程，支持无配对和有配对数据转换。
快速且省显存的精确注意力实现，支持训练和推理，能显著加速 Transformer 长序列计算。
基于 Whisper 的语音识别工具，能给出词级时间戳并支持说话人分离，适合做字幕对齐和会议转写。
安装前扫描 Claude Code、Codex 和 MCP 技能的安全工具，能发现漏洞、恶意模式、提示注入、数据外泄和供应链风险。
开源的多模态视觉指令微调模型，让 LLaMA 类大模型能看图对话，效果对标 GPT-4V，适合做图文问答和视觉助手。
工业级零样本语音合成系统，只需几秒参考音频就能克隆音色并跨语种合成，兼顾可控性与推理效率。
Model Context Protocol 官方 Python SDK，用来快速搭建 MCP 服务端和客户端，让大模型应用以统一协议接入外部工具与数据源。
一站式多模态 RAG 框架，把文本、图像等不同模态的检索与生成统一到同一套流程里，省去自己拼接多个组件的麻烦。
3D Gaussian Splatting 的官方参考实现，用高斯点云做辐射场重建，实现实时可交互的逼真场景渲染。
多语言大语音生成模型，覆盖推理、训练到部署全流程，支持中英日粤语及跨语种合成，适合做语音克隆和对话机器人。
面向大模型后训练的强化学习框架，用混合编程模型把 RLHF 训练流程编排得灵活又高效，方便扩展和跑大规模实验。
用 Python 编排数据管道的工作流框架，带重试、调度和可观测性，让数据与 ML 流水线在生产环境稳定跑起来。
🤖 Chat with your SQL database 📊. Accurate Text-to-SQL Generation via LLMs using Agentic Retrieval 🔄.
用大模型驱动浏览器自动完成网页操作流程，无需写死选择器，适合抓取、填表等重复性网页任务。
通用大模型部署引擎，借助机器学习编译技术把 LLM 高效跑在各种硬件上，从手机到服务器都能用。
面向 LLM 应用、RAG 和 Agent 工作流的可观测与评测平台，提供全链路追踪、自动评估和生产级监控看板，帮团队定位问题并持续优化效果。
开箱即用的 Python 财经数据接口库，一行代码就能拉取股票、债券、期货、外汇和宏观经济等公开数据，省去到处爬数据、清洗数据的麻烦。