Python

一份精选的机器人软件与库清单，覆盖运动规划、多体动力学、仿真、SLAM 等方向，帮开发者快速找到合适的机器人开发组件。

开箱即用的 AI Agent 微服务，用 Docker 一键部署，内置对话、函数调用和 MCP 客户端，帮你快速搭出可扩展的智能助手后端。

为 AI Agent 提供可扩展、可互操作的通用记忆层，统一存储与检索状态，简化自主系统的上下文管理。

让 vLLM 推理引擎跑在华为昇腾 NPU 上的社区维护硬件插件，帮你在国产算力上部署大模型服务。

prompttools

hegelai·Python

一套用来测试和实验提示词的开源工具，支持 OpenAI、LLaMA 等大模型以及 Chroma、Weaviate 等向量数据库，方便对比不同提示词的效果。

把 X11 应用变成可断线重连的远程应用，支持屏幕共享和远程桌面，兼容 macOS 与 Windows 客户端。

GPA

AutoArk·Python

一个超小型的通用音频模型，用同一套权重同时完成语音识别、语音合成和音色转换，省去为每种任务单独部署模型。

swirl-search

swirlai·Python

不用搬数据就能做企业知识检索和 RAG，跨 100+ 应用联合搜索并直接生成答案，几分钟即可部署。

FAROS

OpenNSWM-Lab·Python

用蓝图驱动多智能体自动跑完从选题、实验到论文写作和同行评审的 AI 科研流程，适合想自动化科研工作流的团队。

PyTorch 官方的量化与稀疏化工具库，支持训练和推理阶段的低精度计算，覆盖 float8、MX 等数据类型，可加速 Transformer 和 Llama 等大模型。

把 PyTorch、TorchScript 和 FX 模型编译成 TensorRT 引擎，在 NVIDIA GPU 上做推理加速，省去手写 TensorRT 网络的麻烦。

用大模型对 Tesseract 的 OCR 结果做纠错、智能分块和 Markdown 排版，把扫描 PDF 转成干净可读的文本，支持本地或 API 模型。

comic-translate

ogkalu2·Python

自动翻译漫画、日漫、韩漫等图片与 PDF/EPUB/CBR/CBZ 文件，集成 OCR、图像修复和机器翻译，支持多语言多格式。

基于 PySide6 的 faster-whisper 图形界面，让语音转文字不用敲命令行，支持 VAD 和 WhisperX 等能力。

LightX2V

ModelTC·Python

轻量级图像与视频生成推理框架，支持 Wan、Hunyuan、LTX 等主流视频模型及自回归扩散模型，降低多模态生成模型的部署与推理门槛。

chitu

thu-pacman·Python

面向大语言模型的高性能推理框架，主打高效、灵活和易用，支持 DeepSeek 等模型在 GPU 上做推理服务部署。

awesome-decomp-games

SubmitGame·Python

自动刷新的游戏反编译与重编译资源清单，收录反编译、静态重编译、源码移植和引擎重制项目，方便查找可玩的逆向工程游戏版本。

轻量级嵌入式代码搜索引擎 CLI，基于 AST 解析建立索引，帮编码 Agent 快速定位相关代码、节省上下文窗口。

ComfyUI-SeedVR2_VideoUpscaler

numz·Python

在 ComfyUI 里用 SeedVR2 模型做视频超分放大，把低分辨率视频一键提升到高画质，省去单独搭推理流程的麻烦。

开源且注重隐私的屏幕历史记录工具，可替代 Windows Recall，通过 OCR 和语义搜索随时找回你过去看过的内容。

helm

stanford-crfm·Python

斯坦福 CRFM 出品的 Python 评测框架，对基础模型和大语言模型做全面、可复现、透明的基准测试，方便横向对比模型能力。

HunyuanWorld-1.0

Tencent-Hunyuan·Python

从文字或图片直接生成可漫游、可交互的沉浸式 3D 场景，用世界模型把 3D 内容创作的门槛降下来。

基于 CTPN 做中文场景文字检测、CRNN+CTC 做识别的端到端 OCR 老项目，适合拿来跑通中文自然场景文字识别的完整流程。

Tauon

Taiko2k·Python

一款用 Python 编写的跨平台桌面音乐播放器，支持 FLAC、MP3 等格式，内置音乐库管理，适合在 Linux 桌面上管理和播放本地音乐。

面向图像、视频、音频扩散模型的通用微调工具箱，支持 Stable Diffusion、Flux 等模型，帮你在自有数据上快速训练出定制生成模型。

用 Python 库和命令行抓取 X/Twitter 推文，支持多账号轮换和内置限流处理，解决大规模采集时账号被封或触发频率限制的问题。

Open Source Document Management System for Digital Archives (Scanned Documents)

ComfyUI-nunchaku

nunchux-ai·Python

把 Nunchaku 的 4-bit 量化扩散模型推理接进 ComfyUI，让 FLUX 等模型在低显存下也能快速出图。

FreeVideo

FlashML-org·Python

在普通电脑上跑 MiniMax H3 视频生成，最低 8GB 显存加 16GB 内存就能用，还会根据硬件自动选择加速方案。

基于音频声学分析为音乐库生成智能播放列表，无需元数据或外部服务，支持 Navidrome、Jellyfin、Plex 等主流媒体服务器。

用 Python 配合 Oxylabs SERP API 抓取 Google Trends 数据，提取关键词热度、地区分布和相关查询，并做结果对比。

AnyModelBot

modelflare-ai·Python

本地优先的多模型 AI 助手，用一个 Modelflare 密钥接入 GPT、Claude、Gemini 等 70+ 模型，支持在应用、微信、飞书里对话，能记忆、后台执行命令并操作电脑。

用 100 行 Python 代码复现各类深度学习论文，涵盖扩散模型、GAN、元学习、逆渲染等，适合通过精简代码快速理解论文核心思想。

面向 Blackwell 架构 GPU 的高速 LLM 推理引擎，支持 DeepSeek、Kimi、GLM 等模型，主打极致推理吞吐与低延迟。

trustgraph

trustgraph-ai·Python

面向 Agent 的 AI 治理平台，用上下文图谱管理知识、上下文和 Agent 运行时，让 Agent 行为可追溯、可管控。

给 Whisper 语音识别模型套上 Gradio 网页界面，上传音视频就能自动生成字幕，省去命令行操作。

基于 PyTorch 的元学习研究库，提供 MAML、Meta-SGD 等算法实现和统一接口，方便快速复现和开发少样本学习、元强化学习实验。

SAG

Zleap-AI·Python

一种新的 RAG 检索架构，用知识图谱和向量检索构建知识库，让人和 Agent 都能高效查询结构化知识。

用 Python/C 实现的强制对齐工具，能把音频和对应文本自动对齐到词或音素级别，适合做语音数据集标注和字幕时间轴生成。

从视频里精确截取带内嵌字幕的画面，直接生成 3:4 社交长图，省去手动找帧和排版字幕的麻烦。

Lingvo 是 Google 开源的序列建模框架，用 TensorFlow 搭建语音识别、机器翻译、语言模型等 NLP 任务，支持分布式 GPU 训练。

基于 Whisper 的多语言语音识别工具，能输出词级时间戳和置信度，方便做字幕对齐和逐词定位。

基于 Kokoro 模型和 ONNX Runtime 的轻量级语音合成方案，用 Python 就能在本地跑出高质量 TTS，省去复杂环境配置。

为 Trilium Notes 提供中文翻译和体验优化，附带 Docker、AUR、Scoop 等安装方式，方便中文用户自建笔记服务。

memsearch

zilliztech·Python

给 Claude Code、Codex 等 AI 编码代理提供持久化统一记忆层，用 Markdown 存内容、Milvus 做向量检索，让代理跨会话记住上下文。

训练和推理 ColVision 系列视觉语言检索模型（ColPali、ColQwen2、ColSmol）的代码库，用多模态嵌入直接检索文档图像，省去 OCR 和文本解析步骤。

统一封装 LoRA、Adapter 等参数高效微调方法的 PyTorch 库，兼容 Hugging Face Transformers，让大模型微调只需改几行代码。

datachain

datachain-ai·Python

把 S3、GCS、Azure 上的非结构化数据整理成带类型、可版本化的数据集，方便 AI Agent 和机器学习流程直接读取和复用。