伸びている AI プロジェクト

AIおよびモニタリングアプリケーション向けに、大規模データセットに対するニアリアルタイムの検索と分析を可能にする、分散型検索・分析エンジンおよびベクトルデータベース。

NVIDIA RTX 5090向けに最適化されたC++/CUDA推論エンジンで、テキスト、画像、ビデオにわたるQwen3.5 DenseおよびMoEモデルに最大のパフォーマンスを提供します。

Seedance 2.0 は、短編のアイデアをショット単位のストーリーボードと正確なテキストから動画生成プロンプトに変換するオープンソースの「スキルOS」です。モデレーションと多言語ドキュメントも対応しています。ユーザーは生成されたプロンプトを任意の外部動画生成サービスに送信し、レンダリングされたクリップのみを課金します。

オープンソースのマルチモーダル LLM（MiniCPM‑V 4.7 と MiniCPM‑o 4.5）で、デバイス上で動作し、視覚‑言語（画像、動画、ドキュメント）と全二重オーディオ‑ビジュアル対話をサポートし、携帯電話向けに最適化された MoE 推論を備えています。

iPolloWorkは、ローカルファーストかつElectronベースのワークベンチであり、複数のAIエージェントランタイム（OpenCode、Codex、DeepSeek Harness）をチーム向けの統一されたUIに統合します。エージェント、プラグイン、タスク、および編集可能な出力（コード、ドキュメント、デザイン、動画）を単一のワークスペースから管理でき、ID管理やホスト型ワーカーのためのオプションのクラウド統合も可能です。macOS、Windows、Linux向けのインストーラーが提供されており、ソースコードはNode 22+、pnpm、Bunを使用してビルド可能です。本プロジェクトはソース利用可能ライセンスでリリースされており、個人利用は許可されていますが、大規模または商用展開には許可が必要です。

AIエージェントがバックグラウンドタスクやツール呼び出しを実行している間も、継続的かつ全二重の会話を維持できるリアルタイム音声ランタイム。

Decepticonはオープンソースの自律型レッドチームプラットフォームで、LLM、サンドボックス化されたKali Docker環境、専門エージェント（BloodHound、Sliver、Ghidraなど）を使用して現実的な攻撃チェーンを実行します。ターミナルCLIとオプションのWebダッシュボードを提供し、発見事項をNeo4jナレッジグラフに保存し、複数のLLMプロバイダーをティア付きフォールバックでサポートし、Python SDKとしても使用できます。インストールはDocker-composeベースで、プロジェクトはApache-2.0ライセンスであり、広範なドキュメントとコミュニティDiscordが含まれています。

ユーザーの深い心理プロファイルを構築し、Bilibili、YouTube、Xなどのサイトからパーソナライズされたクロスプラットフォームのコンテンツ推奨を提供する、ローカルでプライベートなAIエージェント。

Python と TypeScript で AI エージェントを構築・実行するためのオープンソース SDK であり、エージェントループ、ツール、メモリを管理するためのモデル非依存のフレームワークを提供します。

AIを活用した試験対策ツール。コース教材をインタラクティブで根拠に基づいた学習チューターに変え、進捗管理、独自コンテンツに基づくクイズ作成、すべての回答に対するソースの引用を行います。

zero2Agent は、プログラマーに本番レベルの AI エージェントの構築方法を教える、無料・中国語・MIT ライセンスのチュートリアルリポジトリです。コアコンセプト、実際のフレームワーク、手書きのエージェントランタイム、面接対策、完全な最終プロジェクトをカバーし、GitHub Pages 上の 133 の Jekyll 記事として提供されています。

pua は、企業風の「パフォーマンス改善計画」（PUA/PIP）の表現と7項目のデバッグチェックリストを、AIコーディングアシスタント（Claude Code、OpenAI Codex、Cursor、Kiro など）に注入するマルチプラットフォームスキルです。モデルが怠惰なパターン（再試行、ユーザーの責め、受動的待機）を示した場合や、`/pua` コマンドで手動起動すると自動的に作動します。このスキルはモデルが解決策を尽くし、結果を検証し、積極的に行動するよう強制し、中国語、英語、日本語の言語固有パックを提供します。少数のバグに対するベンチマークでは、修正数と検証ステップ数が増加しましたが、速度の向上は限定的です。インストールは各ツールのプラグイン/スキルシステム経由で行います（例：`npx skills add tanweai/pua --skill pua-en` で Claude Code に導入）

AdCraft は、テキストのブリーフを完全に編集可能な広告ビデオに変える、オープンソースの AI オーケストレーション プラットフォームです。専門化された AI エージェント（クリエイティブディレクター、脚本家、キャラクターデザイナー、ストーリーボーダー、ビデオディレクター、サウンドディレクターなど）を連鎖させ、脚本、製品レンダリング、キャラクター、シーン、ストーリーボード画像、ビデオクリップ、音楽、最終合成タイムラインを生成します。ユーザーはビジュアルキャンバスまたは自然言語チャットで操作し、任意のステップを編集し、統一ライブラリからアセットを再利用し、既存の広告をクローンして新しいバリアントを作成することもできます。システムは多くの画像/视频/音频生成模型をサポートし、既製の角色和场景目录を提供します。

コンパクトなテキストモデルと小さなモーションモデルを使用して、中国語のチャットと単純な動作コマンドで3D仮想キャラクターを制御できる、ローカル環境向けの非商用研究デモです。外部APIを必要とせず、自分のマシン上で完全に動作します。

ゲーム、漫画、動画の上に翻訳テキストをオーバーレイ表示する Android 用画面翻訳ツール。オフラインおよびクラウドベースの OCR と翻訳エンジンをサポートしています。

SenseVoice は、高精度な音声認識、感情検出、およびオーディオイベント識別を低遅延推論で提供する多言語音声基盤モデルです。

StarNetは、ピクセルアートの宇宙ステーションUI上で複数のAIエージェントを構築・実行できるローカルファーストのデスクトップアプリです。各部屋は独自のメモリ、権限、予算を持つチームを表します。エージェントは実際のLLMプロバイダー（OpenAI、Anthropic、Google、OpenRouter、またはローカルのOllamaモデル）を使用し、ツールの呼び出し、チャットプラットフォームへのメッセージ送信、スケジュールされたレシピの実行、実際のファイルの出力が可能です。視覚的なレイアウトがそのままライブワークフローとなり、すべての状態（トランスクリプト、支出ログ、メモリ）はディスクに永続化され、シークレットはOSのキーチェーンに保持されます。

Synthadocは、PDF、ドキュメント、スプレッドシート、ウェブページ、画像、動画、LLMチャットログを取り込み、LLMを使用して自動ウィキリンク、引用元の証明、矛盾検出、5状態のライフサイクルを持つマークダウンページに合成する、オープンソースのローカルファーストのウィキエンジンです。CLI、HTTP、Obsidianプラグイン、Web UIを提供し、多くのLLMプロバイダをサポートし、自律的な自己最適化のためのエージェント型取り込み、lint、メンテナンスパイプラインを含みます。

OpenBotは、低コストのスマートフォンハードウェアを自律型ロボットの頭脳に変えるプラットフォームであり、リアルタイムナビゲーションや人物追従などの高度な機能を可能にします。

統合不要の分散開発フレームワーク。異なる言語やランタイム間でのリモートメソッド呼び出しを、ローカルの依存関係のように扱うことができ、AIエージェント向けのMCPも標準サポートしています。

メタデータに頼らず、音楽の実際の音色に基づいて音楽ライブラリを整理し、グルーブに配慮したプレイリストを生成する自己ホスト型AIツール。

Continueは、開発者をプログラミングで支援するために、CLI、VS Code拡張機能、およびJetBrainsプラグインとして利用可能なオープンソースのコーディングエージェントです。

Isaac Sim は、NVIDIA の Omniverse ベースの GPU アクセラレーション型ロボットシミュレータです。現実的な物理、RTX センサーレンダリング、ROS 2 統合、合成データ生成、強化学習フレームワーク（Isaac Lab）をサポートしています。Windows または Ubuntu で RTX GPU を使用して実行でき、ソースからビルドしたり、バイナリ、Python wheel、Docker イメージとしてパッケージ化したりできます。

マルチモーダルチャット、スマートカメラ監視、RAGベースのメモリを統合したローカルホスト型AIアシスタントシステムで、能動的な個人アシスタントを実現します。

SkillHubは、組織内で再利用可能なAIエージェントスキルを公開、発見、管理するためのセルフホスト型エンタープライズグレードのレジストリプラットフォームです。

kvcachedは、LLMサービングエンジン（SGLang、vLLM）に仮想メモリスタイルのオンデマンドKVキャッシュ割り当てを追加するPythonライブラリ/デーモンです。複数のモデルがGPUを共有でき、アイドルモデルをスリープ状態にし、ファーストトークンまでの時間を最大28倍短縮し、GPUコストを節約します。

gitai は、Anthropic の Scion 設計に基づくオープンソースのサーバー中心型バージョン管理システムです。Git 履歴のクエリ、マージ、競合解決、検証を、リレーショナル DB とオブジェクトストレージをバックエンドとするステートレスサーバーに移行し、数千の短命な AI コーディングエージェントが必要なオブジェクトのみを取得し、比較と交換（compare-and-swap）を介して変更を同時にランディングし、任意の LLM プロバイダーで競合を自動解決できるようにします。プロジェクトには CLI（`graft`）、Go SDK、オプションのキャッシュデーモン、完全なドキュメントが含まれます。バージョン 0.1.0、MIT ライセンスで、コミュニティからの貢献を受け付けています。

MaaFrameworkは、画像認識を介してアプリケーションを操作するC++20製のクロスプラットフォーム自動化フレームワークです。ローコードのパイプライン、言語バインディング（Python、.NET、Node、Go、Rust）、GUI、デバッガ、CLIツールの豊富なエコシステムを備え、ゲームボット、UIテスト、AIエージェント環境の構築に適しています。

better-douyinは、Douyin（TikTok）向けのRust/Tauri製デスクトップクライアントで、ブラウジング、ダウンロード、マルチアカウント対応、AI支援機能を提供します。公開リポジトリにはUIとモックバックエンドのみが含まれ、機能完全版のバイナリはGitHub Releasesで非商用ライセンスの下で配布されています。

WeChat、小紅書、動画プラットフォーム向けの完成済み投稿に変換する、コンテンツクリエイター向けのフルスタックAI制作ツールキット

League of LegendsのARAMモード向けWindowsデスクトップアシスタント。画面認識とLCUデータを使用して、リアルタイムのチャンピオン選択アドバイスとゲーム内のオーグメント推奨を提供します。

dsh-genui は DeepSeek Harness 用の TypeScript プラグインで、LLM が出力する特別な形式の JSON フェンス（dsh-ui）を、チャット内で直接動作するライブなインタラクティブ UI コンポーネント（テーブル、チャート、プロット、クイズ、メディアなど）に変換します。UI を段階的にストリーミングし、ほとんどの操作をローカルで処理し、ユーザーのアクションをモデルに送り返してクローズドループの会話を実現します。

公式の多言語SDK（Python、TypeScript/Node、Go、.NET、Java、Rust）で、アプリケーションにGitHub Copilotエージェントランタイムを埋め込めます。Copilot CLIのライフサイクルを処理し、プランニング、ツール呼び出し、カスタムエージェント/スキルを提供し、GitHub認証またはBYOKをサポートします。

Elmo は、ChatGPT、Perplexity、Gemini、Google AI Overviews などの AI 回答エンジンがあなたのブランドをどのように言及、引用、説明しているかを監視する、オープンソースでセルフホスト型のプラットフォームです。競合他社とのベンチマークや、AI 回答での可視性向上に役立ちます。

RAG パイプラインとエージェント ワークフローを統合し、インテリジェントなナレッジベースとカスタマーサービス ツールを作成するエンタープライズ グレードの AI エージェントを構築するためのオープンソース プラットフォーム。

オープンソースAIプラットフォーム。Mojoシステム言語とMAX Pythonフレームワークを組み合わせ、モデル作成、GPUカーネル、OpenAI互換のサービングを実現。

AnyJev を使用すると、LLM に型付き質問（選択、はい/いいえ、スコア）を尋ね、オプションの確率分布を持つ決定を解析なしで取得できます。ラベルなしで順序バイアスとラベルバイアスを修正するトレーニング不要モードと、オプションの適応推論を備えたワンパス決定を行う自己蒸留 Tacit モデルを提供します。

ラスタロゴをクリーンでアニメーション化された SVG ロゴに変換するための、精密なフィッティングと HTML ベースのモーション配信に焦点を当てた AI 支援ワークフローとツールセット。

last30days-skill-cn は、過去30日間に8つの主要な中国インターネットプラットフォーム（およびオプションで Hacker News、GitHub、Reddit）で最も議論されたトピックを集約する Python ベースのコマンドラインツールです。CLI アクセスを持つ AI エージェント向けに設計されており、単一のプロンプトでインストールおよび実行でき、簡潔でソースリンク付きの Markdown、JSON、またはオフライン HTML 結果を生成します。

Inspect は、大規模言語モデルを評価するための Python フレームワークであり、プロンプトエンジニアリング、ツール使用、マルチターンダイアログ、モデルグレード評価のための組み込みコンポーネントと、200 以上の事前構築された評価を提供します。

TanStack AI は、TypeScript ファーストでプロバイダーに依存しない SDK であり、ストリーミングチャット、ツール呼び出しエージェント、構造化出力フロー、マルチモーダル生成（画像、音声、動画）、リアルタイム音声、サンドボックス化されたコード実行エージェントを構築できます。構成可能なアクティビティ、型安全なコントラクト（Zod/Valibot/JSON Schema 経由）、多数の LLM プロバイダー（OpenAI、Anthropic、Gemini、Ollama など）向けのアダプター、React、Vue、Solid、Svelte、Preact 向けのフレームワークネイティブフックを提供します。ツリーシェイク可能で監視可能であり、生成 AI を Web アプリやサーバーアプリに統合するための統一された型安全な方法を求める開発者を対象としています。

Pulseは、Proxmox、Docker、Kubernetes向けのセルフホスト型インフラ監視プラットフォームです。AI駆動の分析でシステムの問題を特定し、AIエージェント統合のためのMCPアダプターを提供します。

whatsapp-mcpは、AIエージェントが個人のWhatsAppチャットを読み取り、検索し、要約できるようにするCloudflare-Workersベースのサーバーです。標準のWhatsApp Web QRフローを介してスマートフォンとリンクし、メッセージをSQLiteにローカル保存し、エージェント向けに読み取り専用のMCPツールを提供します。このプロジェクトはオープンソース（MIT）であり、単一ユーザーのアカウント専用です。

A Python-only skill that lets AI coding assistants fetch US-centric market data (quotes, K-lines, fundamentals, options Greeks, short-interest, SEC filings, macro rates, FX, Taiwan stocks, energy data) from 17 public sources. It provides 50+ endpoints across 16 logical layers, requires only the `requests` library, and includes a compliance tier table to guide commercial use.

Dormiceは、AIエージェント向けのセルフホスト型サンドボックスプラットフォームです。永続的かつ冪等なサンドボックスを提供し、アイドル時には数MBまで凍結可能で、S3へのアーカイブやE2B互換APIもサポートしています。単一スクリプトでインストールし、軽量なWebコンソールや`dor` CLIで管理可能です。ネイティブのTypeScript SDK（または公式の`e2b` SDK）を使用して、コマンド実行、ファイル操作、ライフサイクル管理が行えます。自社ハードウェア上で低コストかつ長寿命なエージェント用サンドボックスを運用したいチームに最適です。

X‑AnyLabeling は、画像、動画、テキスト、3D 点群の AI 支援アノテーションのためのクロスプラットフォーム デスクトップ アプリケーションです。最先端のビジョン モデル（YOLO、SAM、Grounding‑DINO など）を多数バンドルし、ローカルまたはリモート推論をサポートし、検出、セグメンテーション、OCR、ポーズ、VQA などのツールを提供し、一般的なデータセット形式へのエクスポートも可能です。

Cloudflare Computer は、Cloudflare がホストする仮想ファイルシステムで、Durable Object（SQLite）をバックエンドとし、3 つのプラグ可能なバックエンド（完全な Linux コンテナ（FUSE マウント）、軽量な Bash シェル、JavaScript ワーカー）を介してアクセスできます。AI エージェントとエッジサービスがツールを実行し、中間ファイルを保存し、呼び出し間で状態を共有できるようにします。コア API は安定しており、コンテナ/ワーカーバックエンドは実験的です。

Occamy-1.0は、ツール使用、ファイル操作、マルチステップワークフローなどの長期間の共同作業タスク向けに設計された、オープンソースのコンパクトなエージェント型言語モデル（総パラメータ数35B、アクティブパラメータ数3B）です。推論効率を維持しながら、共同作業のベンチマークで優れた結果を達成しています。