评估 · 实验 · MLOps
共 240 个仓库 · 一年内有推送
面向智能体和 LLM 应用的编排框架，把 RAG、工具调用和多步推理流程串起来，方便搭建和运维生成式 AI 应用。
R 语言的数据质量校验工具，用简洁的断言语法检查数据框和数据库表，自动生成元数据报告，帮你在分析前发现脏数据。
一门讲高效深度学习系统的课程材料，覆盖 CUDA 编程、分布式训练和推理优化，帮你搞懂怎么把模型训得更快、跑得更省。
一套从 Python 基础到生成式 AI 的数据科学实战教程，覆盖数据分析、深度学习、MLflow 与 Prefect 等 MLOps 工具链，适合系统学习并动手实践。
一套基于 Jupyter Notebook 的大模型实战教程和示例脚本，覆盖 LangChain、OpenAI、LlamaIndex、ChromaDB、Pinecone 等主流工具，帮你快速上手 LLM 应用开发。
持续基准测试平台，在 CI 中自动追踪代码性能变化，防止性能回归，适合关注代码质量的团队。
面向多模态机器学习的数据平台，支持图像标注、数据筛选与清洗，帮助团队管理训练数据并提升数据质量。
OpenCUA 提供构建电脑操作智能体（CUA）的开放基础，包含数据集、基础模型和评测基准，让 GUI 自动化智能体有可复现的训练与评估方案。
把个人简历做成可对话的交互式网页，访客能直接向 AI 头像提问工作经历，背后用 Claude API 驱动并接入 Langfuse 做可观测。
在浏览器里跑安卓模拟器，为移动 GUI 智能体提供可验证、高并发的评测与在线强化学习训练环境。
把 Windows 事件日志和蓝屏记录翻译成通俗语言的只读诊断工具，离线运行，帮普通用户快速看懂系统出了什么问题。
几分钟内就能在本地或远程部署任意 AI 模型、智能体、数据库、RAG 和流水线，省去繁琐的环境配置和运维工作。
汇总各家提供深度学习 GPU 算力的云服务商清单，方便按需挑选训练和推理用的云端 GPU 资源。
用 Rust 写的高性能 RAG 与 LLM 应用框架，支持流式索引、检索和智能体编排，适合构建低延迟的检索增强生成服务。
Google Cloud Vertex AI 的官方示例合集，提供 Notebook、代码和示例应用，演示如何开发、训练和管理机器学习与生成式 AI 工作流。
一站式评估 AI 数据、模型和应用质量的工具，能检测数据质量、幻觉等问题并生成质量报告，适合做数据清洗与模型上线前的质量把关。
可视化 Kedro 数据与机器学习流水线，并追踪实验记录，帮助团队直观查看管道结构和运行结果。
一站式大模型压缩工具箱，支持 LLM、VLM 和视频生成模型的量化与剪枝，覆盖 AWQ、SmoothQuant 等算法，并提供压缩后的评测与部署流程。
把 OpenAI Deep Research 的深度推理和 Dify 的可视化工作流合到一起的垂直 AI Agent 构建平台，支持 RAG 与 A2A 委派。
一套教你从零搭建、开发和维护现代 MLOps 代码库的实战课程，覆盖工程规范与最佳实践，适合想系统入门 MLOps 的数据科学和机器学习开发者。
在 Databricks 上快速搭建符合生产最佳实践的机器学习项目脚手架，开箱即用且可定制，省去从零配置 MLOps 流程的麻烦。
面向 RAG 场景的 AI 搜索数据库，支持语义检索与语言模型集成，帮开发者把非结构化数据变成可检索的知识库。
把 bug、想法或工单一路推进到通过验证的 PR：自动写规格、按风险做跨模型评审、实时 QA，并把过程记录留在仓库里。
提供在 Google Cloud Vertex AI 上搭建端到端 MLOps 工作流的模板与示例，覆盖训练、部署到监控的完整流程，方便快速落地机器学习运维。