Python

让 Hermes Agent 和 OpenClaw 两个 AI 智能体共用同一个微信账号，实现双智能体在同一微信号上协同响应消息。

整理文本生成视频（Text-to-Video）领域论文与资源的综述清单，帮研究者快速摸清扩散模型等技术路线和代表工作。

本地优先的编码智能体观测面板，把每个任务拆成工具调用、文件改动、测试运行、耗时和 token 消耗，让你看清 Claude Code、Codex 等智能体到底做了什么、花了多少钱。

持续优化 AI Agent 的平台，集成了评测、可观测性和 LoRA 微调，帮助开发者闭环迭代 Agent 效果。

自托管的 AI Agent 平台，统一接入 Claude Code、Codex、Gemini 等编码代理，帮 AI 原生团队做代理编排、运行时管理与可观测治理。

LightCompress

ModelTC·Python

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。

Flow-Factory

X-GenGroup·Python

统一封装 Flow-Matching 模型的微调流程，支持图像与视频生成，并集成强化学习，省去自己搭训练脚本的麻烦。

SparkVSR

taco-group·Python

用稀疏关键帧传播做交互式视频超分，只需标注少量关键帧就能把低清视频整段修复成高清，适合影视后期和视频编辑场景。

把 ONNX 模型直接转成 PyTorch 网络，方便在 PyTorch 里继续微调或调试，省去手工重搭结构的麻烦。

给 CUT3R 这类循环式三维重建模型换了个简单的状态更新规则，让它在长序列输入下不容易崩，提升长度泛化能力。

跨平台桌面小工具合集，把截屏录屏、文字识别、多语言翻译、多媒体格式转换、键鼠动作录制回放和局域网传文件都塞进一个软件里。

RNode 是一套开放灵活的数字无线电接口固件，配合 LoRa 硬件实现远距离低功耗的网状网络通信，适合搭建去中心化无线网络。

在 Apple Silicon 上通过 MLX 原生实现 DeepSeek DSpark 与 DFlash 投机解码，让本地大模型推理最高提速 4 倍且无损，兼容 Gemma、Qwen、Nemotron 等模型。

yolort

zhiqwang·Python

把 YOLOv5 模型部署到 TensorRT、LibTorch、ONNX Runtime、TVM、NCNN 等推理后端的运行时工具链，省去自己写适配代码。

面向 LiDAR 里程计的鲁棒 ICP 算法，专门解决走廊、隧道等几何退化场景下位姿估计失准的问题，是 IEEE RA-L 2025 的 SOTA 方案。

整理 Twitter 内部 GraphQL 接口的非官方文档，方便开发者查阅未公开的 API 端点与参数，用于数据抓取和逆向分析。

NeurIPS 2024 提出的掩码扩散语言模型，用简单的掩码扩散训练方式做文本生成，效果优于传统扩散语言模型，代码基于 Python 可直接复现。

Hailo 官方预训练模型库，提供面向 Hailo-8 边缘 AI 加速器的模型、量化工具和完整评估环境，方便直接部署到端侧设备。

面向自动驾驶场景的高分辨率长视频生成模型，基于扩散模型支持多视角一致输出和自适应控制，可用于合成训练数据。

nucliadb

nuclia·Python

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。

飞桨多模态大模型开发套件，覆盖图文理解、生成到扩散模型的全流程，提供预训练模型与高性能训练推理工具。

vidur

microsoft·Python

面向 LLM 推理系统的可扩展仿真器，能在不实际部署集群的情况下，大规模、高精度地模拟 Transformer 推理性能，用于容量规划与架构选型。

ServerlessLLM

ServerlessLLM·Python

面向大模型的无服务器推理服务系统，通过多级检查点加载和 GPU 显存复用，实现低延迟、按需启动的 LLM 部署。

pygraft

nicolas-hbt·Python

可配置的合成模式与知识图谱生成器，按需生成 OWL 本体和 RDF 图谱数据，用于基准测试和机器学习实验。

用任意 LLM（本地或远程）驱动 Android 手机和电脑自动完成点击、输入等操作，适合搭建跨设备的自主 Agent。

kawaii-player

kanishka-linux·Python

一款基于 PyQt5 的多媒体播放器，集媒体库管理和便携媒体服务器于一身，还支持 PC 到 PC 投屏，方便在局域网内共享和播放影音。

keep-it-markdown

djsudduth·Python

用非官方 Keep API 把 Google Keep 笔记导出并转成 Markdown，方便同步到 Obsidian、Logseq、Joplin、Notion 和 Apple Notes，也能把简单 Markdown 笔记导回 Keep。

Python 视频处理库，封装 FFmpeg 提供读写、转码、场景检测和画质评估等接口，方便在科学计算流程里直接处理视频。

Telegram-Members-Adder

saifalisew1508·Python

用 Python 脚本在 Termux 环境下批量抓取 Telegram 群组成员并自动添加，适合在手机上做社群拉新和成员采集。

基于 PyTorch 的「历史引导视频扩散」官方实现，用 Transformer 做视频生成与图生视频，让生成结果在时间上更连贯。

一站式 LoRA 与微调工作室，支持 Klein 9B、Qwen Image 2.1、Z-Image Turbo 等图像、视频、音乐模型，可训练、微调、分析、修复并提取 LoRA/LoKR。

用 Cookiecutter 一键生成 FastAPI 项目骨架，内置机器学习、uv 依赖管理、GitHub Actions 和 Pytest，省去从零搭工程的时间。

用 Python 和 Selenium 自动操作 Tinder，支持 Facebook/Google 登录，自动滑动并抓取匹配数据，省去手动操作。

把视觉语言模型变成通用多模态嵌入模型，配套 MMEB 系列基准，用于图文视频检索和 RAG 场景的表示学习评测。

把散落的 SKILL.md 文件整理成可检索、可评测的智能体技能语料库，自带检索与评测工具，方便给 Agent 搭建技能库。

用 Python 编写和配置的桌面 Shell 组件框架，基于 GTK4 和 Wayland，让 Linux 用户像搭积木一样自定义桌面小部件与状态栏。

Python 实现的多目标跟踪算法集合，集成 IoU Tracker 等多种跟踪器，配合 OpenCV 和 SSD-MobileNet 等检测模型，快速搭建视频目标跟踪流程。

mvsnerf

apchenstu·Python

ICCV 2021 提出的神经渲染方法，能从多视角图像高效重建几何与神经辐射场，用于新视角合成。

long-context-attention

feifeibear·Python

统一序列并行注意力实现，把 Ulysses 和 Ring Attention 混合成 2D 并行，让长上下文 Transformer 训练和推理能扩展到超长序列。

把 XGBoost、LightGBM、scikit-learn、CatBoost 和 ONNX 模型一键编译成原生 C99 推理代码，省去 Python 运行时开销，推理速度最高提升 336 倍。

用 Python 优雅调用 GitHub API 的客户端，自动生成接口封装，省去手写请求和解析响应的麻烦。

用 Whisper 把音频转成文字，再调用 GPT、Claude 等大模型翻译润色，直接输出 LRC 字幕文件，省去手动打轴和翻译的麻烦。

Yume 是一个交互式世界模型，支持文本或图像驱动实时视频生成，可用于构建可交互的虚拟场景。

汇集 Morphe 等补丁源预构建的 Android 应用 APK，方便直接下载安装去广告或增强版客户端。

OmniVinci

NVlabs·Python

OmniVinci 是英伟达开源的全模态大模型，能同时理解视觉、音频和语言三种输入，适合做多模态联合推理与训练研究。

用 Python 写的批量获客脚本，让没有编程基础的人也能大规模采集潜在客户线索，内置多种爬虫与解析技巧。