Python

Shell and coding agent on mcp clients

用「思维模板」库增强大模型推理：把可复用的推理思路存成元缓冲区，遇到新问题时检索并套用，提升复杂任务准确率并降低成本。

Telegram-Stremio

weebzone·Python

把 Telegram 里的文件变成 Stremio 可播放的流媒体库，自动索引并串流，省去手动整理和下载。

HunyuanImage-2.1

Tencent-Hunyuan·Python

腾讯混元开源的 2K 高分辨率文生图扩散模型，能根据文字直接生成高清图像，兼顾生成效率与画质。

用 pyannote 做说话人分离、Whisper 做语音识别，把会议录音转成带说话人标记的文字，再交给 ChatGPT 生成会议纪要。

开源自托管的 AI 视频生成器，在网页界面里输入文字就能生成带旁白、字幕和数字主播的多场景视频，完全免费。

按成熟度和开发生命周期整理的 AI 辅助开发模式合集，涵盖基础、开发、运维三类模式，配有实例和反模式，帮团队规范落地 AI 编码。

用 RANSAC 从点云中拟合平面、球、圆柱、长方体、圆和直线等 3D 基元，适合 LiDAR 与三维重建场景做形状检测和分割。

模块化 RAG 框架，能自由替换 LLM、嵌入模型和向量库，还支持 MCP 接入外部工具与数据源，省去重复搭建检索增强流程的功夫。

收录计算机使用智能体（CUA）的开放资源清单，整理经过审阅的论文、GUI 模型、数据集、基准测试和工具，并提供可直接复用的 JSONL/SQLite 数据。

面向 LLM 和扩散 Transformer 的无损压缩方案，在 GPU 推理时压缩模型权重、降低显存占用，同时保持输出完全一致。

FoleyCrafter

open-mmlab·Python

给无声视频自动配上生动且与画面同步的音效，基于扩散模型实现视频到音频的拟音合成。

从 Moodle 教学平台批量抓取并下载课程资料（讲义 PDF 等），支持同步更新，省去逐页手动点击的麻烦。

用生成模型提升多视角 3D 物体重建精度，从多张图片还原准确的三维形状与位姿，适合做图像到 3D 的研究与落地。

Open-dLLM

pengzhangzhi·Python

开源的扩散式语言模型，专攻代码生成，一并放出预训练、评测、推理代码和模型权重，方便直接复现和二次开发。

给 LLM 维护的知识库定治理规范，并提供参考工具链，让 AI 代理改文档时有确定性校验和人工审核，避免知识库越改越乱。

BiliSum

lycohana·Python

把 B 站、YouTube 和本地视频自动转成 AI 摘要与可检索知识库，基于 Whisper 转写和 RAG，适合做视频笔记和 Obsidian 归档。

基于 llama.cpp 的 LLM 智能体框架，支持对话、结构化函数调用和结构化输出，即使模型未针对 JSON 或函数调用微调也能用。

NOVA 是一种无需向量量化的自回归视频生成方法，用扩散式连续表示替代离散 token，绕开 VQ 编解码器直接生成视频。

Open-AgentRL

Gen-Verse·Python

面向 LLM 与 Agent 场景的开源强化学习训练库，集成 GRPO、PPO、熵方法等算法，支持编码、GUI、多智能体等任务。

围绕预训练权重做黑盒优化与神经进化，用 LoRA 集成多个任务专家，提升大模型后训练与推理表现。

SC-GS

CVMI-Lab·Python

用稀疏控制点驱动 3D 高斯泼溅，从视频重建可编辑的动态场景，支持对运动轨迹做编辑和操控。

面向本地和自托管文档搜索的 Agentic RAG 方案，基于嵌入式 LanceDB 实现混合检索、重排序和多模态 RAG，并自带 Docling 解析与 MCP 服务。

把手机拍摄的视频重建为可被 AI 查询的 3D 场景，内置 MCP 工具让 Claude、Cursor 等直接调用，并提供可自托管的 broker 与 VGGT-SLAM 库。

hyperbase

hyperquest-hq·Python

用 Python 实现语义超图的基础库，把知识表示成可计算的超图结构，适合做知识库、认知建模和自然语言理解等需要表达多元关系的场景。

让 LLM 智能体自主操作电脑的框架，靠视觉感知的分层记忆和自写技能实现自我进化，解决智能体长期记忆与能力积累问题。

ARIS-in-AI-Offer

wanshuiyin·Python

面向 AI 秋招的中英双语面试速查表，覆盖机器学习、大模型、扩散模型与智能体，可生成单文件 HTML 随时翻阅，另附学术主页生成器。

基于认知强化学习、用推理链引导的文本指代图像分割方案，让多模态大模型先推理再分割，提升复杂场景下的分割精度。

基于 Agently 框架搭建的每日新闻自动采集工作流示例，用 LLM Agent 完成搜索与汇总，适合参考如何编排多步 Agent 应用。

基于扩散 Transformer 的开源文本生成音乐模型，输入文字描述即可合成音乐片段，适合做 AI 音乐生成的研究与二次开发。

xLAM

SalesforceAIResearch·Python

xLAM 是一系列专为 AI Agent 系统设计的大动作模型，能把自然语言指令转成可执行的动作调用，帮开发者搭建和驱动智能体。

把语言模型直接当作统一的多模态生成器，用自回归方式同时做文本到图像生成，省去额外扩散模型。

用 Cython 加速 fastText 和 gensim 模型计算句向量，比原生 Python 实现快一个数量级，适合需要批量生成句向量做相似度检索的场景。

video-mover

toki-plus·Python

全自动短视频搬运流水线，自动下载视频、去重处理、AI 生成标题标签并上传，支持 TikTok 与抖音、视频号、小红书等平台互搬，可二次开发扩展。

SINQ

huawei-csl·Python

SINQ 是一种即插即用的 LLM 量化方法，能把任意大模型压小并尽量保住精度，适合显存吃紧时部署 DeepSeek、Qwen 等模型。

sklearn-onnx

onnx·Python

把 scikit-learn 训练好的模型和 Pipeline 转成 ONNX 格式，方便跨框架部署和推理加速。

基于扩散模型的指令式视频编辑方案，配套高质量合成数据集，解决视频编辑训练数据稀缺、难以规模化的问题。

neural-rgbd-surface-reconstruction

dazinovic·Python

用神经网络从 RGB-D 序列重建高质量三维表面，是 CVPR 2022 论文的官方实现，适合做室内场景的稠密重建。

用点式隐式神经表示做 LiDAR SLAM，在保持全局地图一致性的同时完成定位与建图，适合机器人和 3D 建图场景。

面向 AI Agent 的文档解析评测基准，覆盖 OCR、PDF 解析和表格抽取，用统一指标对比不同模型与工具在真实文档上的解析效果。

用 LLM 智能体做加密货币量化交易的开源对冲基金系统，支持多时间框架分析、策略回测和自动决策。

开源的地球观测基础模型，能把 Sentinel-1/2 卫星影像和数字高程数据转成向量嵌入，方便做地表特征检索与下游分析。

rkllama

NotPunchnox·Python

在瑞芯微 NPU 上跑大模型的推理服务，类似 Ollama 的替代方案，通过优化 rkllm 让 Orange Pi 等设备高效离线运行 AI 模型。

给 AI Agent 用的本地优先记忆、决策引擎与治理框架，状态存在本地、可跨 IDE 迁移，解决 Agent 长期记忆和可控性问题。

把 GPT Image 2 生成的图片接入 Seedance 2.5 做图生视频的工作流指南，含提示词与 API 调用示例，帮你快速跑通从出图到成片的流程。

把长视频自动切成镜头、用多模态模型看画面写解说词、再配音合成成片，还能一键导出可编辑的剪映/CapCut 草稿，全程不用 GPU。

rai

RobotecAI·Python

面向物理 AI 机器人的厂商无关智能体框架，基于 ROS 2 工具执行复杂动作、场景任务、自由接口调用、日志摘要和语音交互。

一个通用的 Reddit 爬虫，能抓取任意子版块或用户的内容，适合做数据采集和舆情分析。