把 Playwright 浏览器自动化能力封装成 MCP 服务器，让 AI Agent 通过结构化接口操控网页、抓取页面内容，无需依赖截图识别。

用大模型驱动浏览器自动完成网页操作流程，无需写死选择器，适合抓取、填表等重复性网页任务。

用 Rust 写的命令行工具，让 AI 代理通过 macOS 辅助功能接口直接操作桌面应用，把电脑使用能力接进 Agent 工作流。

阿里开源的轻量级端侧推理引擎，主打手机和嵌入式设备上的高性能模型推理，能跑大模型和常规深度学习网络。

把 PDF、Office 文档等各类文件转成 Markdown 的 Python 工具，方便喂给 LLM 或做文档处理。

开源手机智能体模型与框架，让 AI 直接操作手机界面完成点按、输入等任务，把「AI 手机」能力开放给所有人。

用自然语言描述操作步骤就能完成端到端测试，让 AI 像人一样看懂界面并驱动浏览器或手机执行验证。

面向手机端的高性能神经网络推理框架，针对 ARM 平台深度优化，让 Caffe、ONNX 等模型能在 Android/iOS 上低延迟运行。

基于 PyTorch 的几何计算机视觉库，提供可微分的图像处理与几何变换算子，方便在空间 AI 和机器人任务中搭建视觉模型。

让 AI 智能体直接操控 iOS 和 Android 应用，通过 MCP 服务器连接模拟器、仿真器和真机，兼容 Claude Code、Cursor 等客户端。

PyTorch 上的 Grad-CAM 系列可视化工具，支持 CNN 和 Vision Transformer，可用于分类、检测、分割、图像相似度等任务的模型可解释性分析。

把训练好的深度学习模型优化并部署到 Intel CPU、GPU 等硬件上做推理，支持视觉、LLM 和生成式模型，省去自己折腾底层加速的麻烦。

逐镜头逆向分析任意视频，判断画面是实拍、AI 生成还是代码渲染，并给出复刻方案，适合短视频拆解与 AIGC 溯源。

TuriX-CUA 是一个让 AI 直接操作图形界面的计算机使用代理，通过视觉模型识别屏幕并模拟鼠标键盘完成自动化任务。

一站式视觉模型训练工具，支持 YOLO、ViT、RT-DETR、DINOv3 等模型的预训练、微调与知识蒸馏，省去自己搭训练流程的麻烦。

提供室内场景的 RGB-D 扫描数据集与标注工具，用于训练和评测三维重建、语义分割等视觉模型。

用一块 7 美元的 ESP32 给 AI 模型配上真 iPhone 的「眼睛和手」：AirPlay 投屏看画面，USB HID 模拟触控操作，无需 Mac、开发者账号或越狱。

汇集计算机视觉方向的实战项目合集，覆盖 Python、C++、CUDA 和嵌入式部署，方便直接上手跑通检测、识别等模型并落地到 TensorRT 等推理环境。

一个多模态语言 Agent 开发框架，把视觉模型和 LLM 编排在一起，帮你快速搭出能看能听的原型并推向生产。

在 Jetson 上跑 TensorRT 加速的视觉模型示例集，涵盖 MODNet 抠图、YOLOv3/v4 检测、SSD、MTCNN 人脸和 GoogLeNet，帮你快速部署边缘推理。

用基础模型自动给图片打标签，再拿这些标注训练自己的监督视觉模型，省掉人工标注的环节。

基于 tensorRT_Pro 扩展的 TensorRT C++ 推理库，集成 YOLO、RT-DETR、PPOCR、车道线检测、深度估计等多类视觉模型，提供高性能部署方案。

用 PyTorch 复现注意力、分类、目标检测、关键点检测等经典 CV 论文的代码合集，适合照着跑通并理解各类视觉模型的实现细节。

Chrome 侧边栏扩展，让 DeepSeek Harness 直接操控浏览器完成自动化任务，不依赖视觉模型也能操作网页。

本地完成计算机视觉模型从标注、训练到优化部署的全流程，支持增量学习与模型压缩，针对 Intel XPU 加速并兼容 CUDA。

爱芯元智 AI SoC 的示例代码集合，提供 YOLO 系列等视觉模型在 NPU 上的部署样例，帮开发者快速跑通模型推理。

自托管的扫描件处理工具，通过 FTP、SMB 或监听文件夹接收扫描文件，用本地 Ollama 视觉模型识别内容并自动生成带日期的描述性文件名，再投递到 WebDAV 或本地目录。

在 Android 手机上运行的 AI 智能体运行时，通过无障碍服务操控手机、自动操作 App、用视觉模型读屏，并支持技能路由与 Mihomo 代理工作流。

为 X-AnyLabeling 标注工具提供轻量可扩展的模型推理服务，把检测、分割、分类、姿态等视觉模型接成后端，方便标注时自动预标注。