一套面向大模型训练的分布式并行框架,把数据、模型、流水线并行和异构训练整合成统一接口,让训练和推理更省显存、更快。
开源的多编码智能体并行编排工具,可替代 Codex App 和 Conductor,用你自己的订阅同时调度多个编码智能体协同干活。
面向 Windows 的 GUI 智能体框架,用自然语言驱动 LLM 自动操作桌面应用完成跨应用任务,把繁琐的点击流程交给 AI 执行。
用 8 个专家 Agent 组成一个统一的虚拟高管团队,对外呈现一致的高管人格,基于 FastAPI 和 Next.js 搭建,适合做多智能体协作与 RAG 决策辅助。
用武士幕府层级(将军→家老→足轻)组织 Claude Code 多智能体,借助 tmux 并行调度多个 AI 任务,让复杂工作自动拆解并同时推进。
用 Python 快速搭建复杂视频分析应用的多进程框架,把检测、跟踪等环节串成流水线,解决视频流处理中并行调度和模块编排的问题。
把影视生成的场景依赖建成 DAG,用关键路径法调度多模型并行出片,让原本逐个生成的镜头同时跑,缩短整片制作时间。
…版本亮点 智能体 - 深度研究多智能体 :内置编排器 deep-research (负责澄清、拆解、并行调度与综合成稿)+ 子智能体 research-explorer (多轮检索网页/知识库并返回带引用发现)+ fact-verifier (对抗式核验关键论断、标注冲突与置信度),研究方法论沉淀为内置 Skill deep-resear
…布式并行策略层面,提出了动态自适应的显存卸载策略,实现存算最优均衡,再结合创新设计的显存友好的流水线并行调度,进一步降低显存开销。 - 增强了框架原生的容错能力,实现了大规模集群训练容错系统,可在不影响训练效率的前提下在线监测静默数据损坏等难以察觉的故障,并实现了高可用的检查点容灾方法,降低中断恢复损失。 - 在硬件适配方面,面向类CUD