开源计算机使用智能体基础设施，提供跨系统沙箱、驱动和基准测试，用于训练、评估和生成桌面操作数据。

基于 PyTorch 的扩散模型工具箱，统一加载和训练 Stable Diffusion、FLUX 等模型，做图像、视频、音频生成。

用 Go 读写 Excel 电子表格的库，支持 XLSX、XLSM 等格式，能处理公式、图表和样式，适合在服务端批量生成或解析报表。

通义开源深度研究智能体，能自主规划多步检索、浏览网页并整合信息，产出带引用的研究报告，适合做调研问答和资料汇总。

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。

多智能体框架，让多个大模型智能体通过角色扮演和对话自主协作，用于研究智能体规模化规律并构建协作式 AI 系统。

用 30 多个插件和 300 多项配置把 GitHub 账号的统计数据生成信息图，输出 SVG、Markdown、PDF 或 JSON，适合做个人主页的统计卡片。

在 LLaMA/Alpaca 基础上扩充中文词表并做中文增量预训练，提供可本地 CPU/GPU 部署的中文大模型及 LoRA 微调、量化方案。

基于 Node.js 的完整负载测试平台，支持 HTTP、GraphQL、WebSocket 和 Playwright 浏览器压测，可在 AWS Lambda 或 Fargate 上无服务器分布式运行。

100 行代码的极简 LLM 框架，用图编排 Agent 工作流，让 Agent 自己搭建 Agent，适合想快速上手又不想被重型框架绑住的场景。

LMDeploy 是面向大模型的高效推理与服务工具包，支持模型压缩、部署和在线服务，内置 TurboMind 推理引擎和 CUDA 算子，可加速 Llama、InternLM 等模型的推理。

用 Rust 构建模块化、可扩展 LLM 应用的框架，把模型调用、Agent 编排和工具集成做成可组合组件，适合追求性能与类型安全的团队。

面向数据中心的分布式推理服务框架，用 Rust 编写，支持 vLLM、SGLang、TensorRT-LLM 等后端，解决大规模 LLM 与扩散模型在生产环境下的解耦部署和请求路由问题。

把任意编码助手变成 Google Cloud 上的 AI Agent 专家，提供命令行工具和技能，覆盖 Agent 的创建、评估与部署全流程。

用 Blender 程序化生成带深度、位姿等标注的逼真训练图像，解决计算机视觉任务缺高质量合成数据的问题。

用 LoRA/QLoRA 微调大模型，并借助思维链数据生成与蒸馏提升推理准确率，适合低成本定制模型。

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。

Keeper 密码管理平台的 Python 命令行工具和 SDK，可批量管理保险库、导入导出数据、生成报表并执行管理操作。

基于 Netty4 的手机游戏分布式服务器，支持 TCP/UDP/HTTP/WebSocket 多协议接入，内置 protobuf 协议栈、RPC、分库分表与异步 MySQL 存储，适合快速搭建游戏后端。