Python

一套 14 个 AI Skill，把抖音、B站、小红书、公众号、播客等中文平台内容采集进个人知识库，支持图文存图、字幕优先免 GPU 转写、订阅调度和每日简报，还带知识库 MCP server。

从稀疏多视角图像前馈式重建 3D 高斯，用代价体积做几何匹配，无需逐场景优化就能快速合成新视角。

SeaGOAT

kantord·Python

本地优先的语义代码搜索引擎，用向量嵌入理解代码含义，支持像 grep 一样搜索，但能按语义而非仅靠正则匹配找代码。

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。

ApeRAG

apecloud·Python

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。

Tracely-ai

Jwuthri·Python

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。

withoutbg-python

withoutbg·Python

Python 抠图 SDK，支持本地 ONNX 模型和云端两种方式去除图片背景，几行代码就能集成到图像处理流程里。

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。

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。

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。

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。

FastGS

fastgs·Python

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。

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。

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。

stardist

stardist·Python

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。

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。

纯 Python 实现的超快跨平台截图库，基于 ctypes 直接调用系统接口，能一次抓取多个显示器画面，适合做屏幕采集和自动化工具。

用 Python 写的远控木马（RAT），通过 Discord 远程操控目标机器，附带图形化构建器，能一键生成带键盘记录和密码抓取功能的恶意程序。

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。

支持电影、剧集、动漫、专辑和歌曲的下载工具，能处理 DASH、HLS、ISM 等流媒体格式及 MP4 文件，适合离线保存音视频内容。

squadra

dagoSte·Python

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。

TTS-Audio-Suite

diodiogod·Python

把 RVC、F5-TTS、Chatterbox、IndexTTS-2 等十多种本地语音合成与变声引擎集成进 ComfyUI，支持多语言、超长文本、SRT 时间轴和角色音色，一站式完成配音与音频编辑。

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。

高通官方维护的预优化模型库，模型已针对延迟和内存调优，可直接部署到骁龙等高通设备上推理。

whisper

graphite-project·Python

Graphite 的基于文件的时间序列数据库格式，用固定大小文件存储监控指标，解决指标数据高效读写和长期保留的问题。

agent-vision-toolkit

Anionex·Python

给纯文本大模型补上视觉能力的工具箱，支持多图理解、长截图 OCR、前端 UI 还原和 GUI 自动化，可无缝接入 Claude Code、Codex 等主流 agent。

在 Blender 里直接导入、渲染和编辑 3D 高斯泼溅（3DGS/4DGS）模型的插件，省去格式转换，方便做动画和场景合成。

UForm

unum-cloud·Python

轻量级多模态模型库，能同时理解多语言文本和图像，速度比 OpenAI CLIP 和 LLaVA 快 5 倍，适合做图文检索和内容生成。

ClawBench

TIGER-AI-Lab·Python

面向浏览器 AI 智能体的开源评测基准，用日常任务数据集衡量智能体在真实网页操作中的表现。

Morphe-AutoBuilds

RookieEnough·Python

用配置驱动的 CI 流水线每天自动构建 Android 应用，省去手动打包和重复操作，适合学习自动化构建流程。

tango

declare-lab·Python

基于扩散模型的文本到音频生成工具，输入一段文字描述就能合成对应的声音片段，适合做音效生成和音频内容创作。

JSON2YOLO

ultralytics·Python

把 COCO、LabelMe、Labelbox、VoTT 等格式的 JSON 标注转成 YOLO 训练格式，适合做目标检测数据集迁移；官方已建议改用 Ultralytics 包里的 convert_coco()。

带图形界面的哔哩哔哩漫画下载器，支持关键词搜索、二维码登录、多线程下载和多种保存格式，还能管理本地漫画并一键检查更新。

用张量分解来建模和重建辐射场，把 NeRF 的显存占用和训练时间大幅压下来，同时保持渲染质量。

LLaVA-OneVision-2

EvolvingLMMs-Lab·Python

开源多模态训练框架，基于 Qwen3 等底座训练视觉语言模型，降低多模态模型训练门槛。

HunyuanCustom

Tencent-Hunyuan·Python

腾讯混元开源的多模态定制视频生成架构，支持音频驱动、图生视频和视频编辑，可按输入条件生成定制化视频内容。

GraphGen

InternScience·Python

基于知识图谱为 LLM 微调合成高质量问答数据，把结构化知识转成训练语料，缓解监督微调数据稀缺。

把 AI/ML 模型打包成可直接上线的推理服务，省去手写 Docker 和部署脚本的麻烦，一条命令就能跑起来。

一个自动进化框架，用多智能体像 7×24 小时算法团队一样持续迭代优化任意目标，适合需要自动调优和自改进的场景。