面向大模型训练的数据处理流水线，把原始多模态数据清洗、过滤、去重并加工成高质量指令微调语料。

面向大模型微调、RAG 和评测的数据集制作工具，支持数据生成、清洗与导出，省去手工整理训练数据的麻烦。

面向视觉 AI 的数据集管理与模型分析工具，能可视化浏览数据、清洗标注、发现质量问题，并支持主动学习来迭代提升模型。

收录大量实用的 Bash 单行命令和终端技巧，覆盖数据处理与 Linux 系统维护，遇到文本处理或运维任务时可直接查用。

OpenAI API 的官方示例与实战指南合集，用 Jupyter Notebook 演示对话、嵌入、微调等常见用法，帮你快速上手并解决实际调用中的问题。

基于 Postgres 的一站式后端开发平台，提供专用数据库、认证、存储和向量检索能力，可替代 Firebase 快速搭建 Web、移动和 AI 应用。

OpenAI 官方开源的高速 BPE 分词器，专为 GPT 系列模型设计，能快速把文本切成 token，适合训练和推理时做文本预处理。

跨语言的列式内存格式与工具箱，让不同系统之间零拷贝交换数据，并加速内存分析。

给 AI Agent 做强化学习训练和调优的框架，把 Agent 的推理轨迹变成训练信号，让智能体越跑越强。

基于码本查找 Transformer 的盲人脸修复模型，能在低质量、模糊或退化的人脸图像上恢复清晰细节，适合老照片修复和人脸增强场景。

用深度学习快速准确地识别文件真实类型，不依赖扩展名，支持 MIME 检测，Rust 实现，可嵌入各类应用做内容安全与文件分类。

高性能 AI 流水线引擎，C++ 内核搭配 50+ 可扩展 Python 节点，支持多模型提供商、向量数据库和 Agent 编排，可在 IDE 中构建调试 LLM 工作流。

Meta 开源的 SAM 2 图像与视频通用分割模型，提供推理代码、预训练权重下载和示例 notebook，可对任意画面中的物体做可提示分割与视频目标跟踪。

Kedro 是一个面向生产环境的数据科学工具箱，用软件工程最佳实践帮你搭建可复现、易维护、模块化的数据工程与数据科学流水线。

基于 PyTorch 的开源语音工具包，覆盖语音识别、说话人识别与分离、语音增强等任务，提供预训练模型和训练流程，方便快速搭建语音系统。

开箱即用的 Python 财经数据接口库，一行代码就能拉取股票、债券、期货、外汇和宏观经济等公开数据，省去到处爬数据、清洗数据的麻烦。

一套功能强大的命令行图像处理工具集，支持 200 多种格式的创建、编辑与转换，适合脚本自动化和跨平台批量处理图片。

自动检测和修复真实数据集中标签错误、异常样本等质量问题，帮你在训练前把脏数据清理干净，提升模型效果。

GPU 加速的数据预处理库，提供高度优化的图像、音频处理算子和执行引擎，解决深度学习训练中数据管道拖慢 GPU 的瓶颈。

收录 Claude Skills 精选资源与工具，帮开发者定制 Claude 工作流，快速搭建自动化 AI 智能体。