伸びている AI プロジェクト

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。

AID Studioは、脚本作成、絵コンテ、マルチモデルAI生成を単一のワークフローに統合することで、AIモーションコミックや短編ドラマの制作を効率化するオープンソースの自社ホスト型プラットフォームです。

Web、CLI、ターミナルインターフェースを通じて Model Context Protocol (MCP) サーバーを検査およびテストするための開発者向けツール。

Agent Interview Hub は、中国の大手テック企業や海外のトップAI企業を目指すAIエージェントエンジニア向けの、無料でオープンソースの面接対策ライブラリです。300以上の回答付き質問、企業別フォルダ（Alibaba、ByteDance、OpenAI、Anthropicなど）、6つの時間制コーディングチャレンジ、16週間の学習ロードマップ、35の知識ドキュメントが含まれており、GitHub Pagesでオンライン閲覧するか、Markdownでローカルに読むことができます。また、公開ソースから実際の面接レポートを自動収集するスクリプトも含まれています。MITライセンス。

AIエージェントの周囲に足場（コンテキスト、ツール、検証、メモリ、サンドボックス）を構築する「ハーネスエンジニアリング」に関するエッセイ、論文、パターン、テンプレートの厳選リスト。ai-boostが維持し、CC0ライセンス。

MonkeyCode は、オープンソースの AI オフィスワークベンチ（製品名：百智办公 MonkeyAI）で、チームが自然言語でタスクを記述すると、AI が完成したオフィス文書、コード、デザインを提供します。チームリソース共有、使用量課金、権限監査、使用統計が含まれます。ワンコマンドインストール（最小 1 CPU + 1 GB RAM）でセルフホストでき、独自モデルや MCP 接続ツールをサポートし、Windows、macOS、Linux 向けデスクトップクライアントを提供します。無料版は最大 10 シートまで。有料版ではクラウド PC とサポートが追加されます。ライセンスは AGPL-3.0 です。

TrailSnapは、オープンソースでセルフホスト型のAI強化旅行写真アルバムです。チケットデータを自動抽出し、顔やシーンを認識し、画像をインデックス化してスマート検索を可能にし、大規模言語モデルが旅行日記を作成できます。アプリはデスクトップインストーラーまたはDocker（サーバー+PostgreSQL+AIマイクロサービス+フロントエンド）で実行できます。

拡散モデル向けの報酬誘導型ポストトレーニングフレームワークで、オンポリシー自己蒸留を用いて明示的な中間ターゲットを作成し、画像品質とトレーニング効率を向上させます。

1,000以上のサイトから動画と音声をダウンロードし、ローカルで文字起こしを行い、AIを使用してコンテンツを要約・検索できるオープンソースのデスクトップアプリ。

Figwrightは、AIコーディングエージェントがFigmaデザインをコードとして読み取り、キャンバスを直接編集できるようにする、無料の双方向MCPサーバー+ Figmaプラグインです。有料のDev Modeシートは不要です。

Liquid Foundation Models と LEAP SDK を使用してエッジネイティブな AI アプリケーションを構築するためのチュートリアル、コード例、およびデプロイガイドのコレクション。

物語の計画、脚本作成から絵コンテ、最終的な動画生成まで、制作パイプライン全体を自動化するエージェント型動画制作フレームワーク。

Internet Court は、約 35 のプロトコル（34 の所有者による 92 の公式スキルをベンダリング）をバンドルした単一のオープンスキルであり、AI エージェントが人間を介さずに取引の発見、交渉、契約、支払い、実行、そして独自に*裁定*を行うことを可能にします。エージェントは事前に紛争審判者に合意し、それを契約に明記します。1 つのルート SKILL.md がオンデマンドでサブスキルにルーティングします。約 30 社のコンソーシアムによって構築され、ファーストパーティコードは MIT ライセンスで、6 つのエージェントハーネスにインストール可能です。

Matrix-Game 4.0 は、従来のゲームエンジンと因果的ニューラルレンダリングモデルを組み合わせたオープンソースのハイブリッドシステムで、3つの既製シーンに対してリアルタイムで高忠実度のビジュアルを提供します。高性能NVIDIA GPU（A100、RTX 5090）で動作し、Apache-2.0ライセンスで公開されています。

ColliePWAは、開発者がスマートフォンからターミナルベースのAIエージェントを操作・管理できるようにするセルフホスト型のモバイルWebインターフェースであり、ターミナルマルチプレクサにネイティブアプリのような操作感を提供します。

SAM 3（Concepts with Segment Anything）は、Metaの848Mパラメータの基礎モデルで、自由なテキスト（または視覚的例）で画像や動画にプロンプトを送信し、*すべての一致するオブジェクト*に対してマスク、ボックス、スコアを返すことができます。DETRスタイルの検出器とSAM 2スタイルの追跡器を統合し、細かいプロンプトの区別に役立つプレゼンストークンを導入。400万以上もの自動アノテーションされた概念で訓練されており、27万概念の新しいSA‑COベンチマークを提供。リポジトリにはインストール手順、例ノートブック、評価用の新ベンチマークが含まれます。

WorkBuddy のためのコミュニティ作成の実践ハンドブック。実際のタスクに沿って構成され、初回使用から再利用可能な AI エージェントチームの構築までをカバーし、ケーススタディ、貢献ガイドライン、VitePress ベースのウェブサイトを含みます。

Mesh2Motion は、ユーザーが 3D モデルをインポートし、スケルトンを割り当て、アニメーションを適用してエクスポートできるオープンソースの Web アプリケーションであり、Mixamo などのツールに代わる柔軟でコミュニティ駆動の代替手段を提供します。

26種類の主要なAIコーディングツールに構造化されたプロフェッショナルなワークフローと中国語サポートを追加し、AIエージェントが厳格な開発手法に従うことを保証する包括的なフレームワーク。

MuScriptorは、録音データをMIDIファイルや楽譜に変換するオープンソースのマルチ楽器音楽転写モデルです。

オンプレミスデプロイをサポートする、AIエージェントのオーケストレーション、デプロイ、実行を可能にする企業向けAIデジタル従業員プラットフォーム

halogen‑flash‑server は、AMD Strix Halo GPU 上の Qwen 3.8‑Flash‑Next モデル専用にチューニングされたコンテナ化推論サーバーです。そのハードウェアに特化したカスタムカーネルを使用することで、2秒未満の初回トークンレイテンシと最大 94 tokens / s のデコード速度を実現し、30‑96 k‑token のコンテキストでも低レイテンシな AI エージェントに最適です。リポジトリには、すぐに実行可能な Docker/Podman イメージ、OpenAI 互換の HTTP API、詳細なドキュメント、およびセットアップやベンチマークのための Discord コミュニティが含まれています。

Claude Code や Codex などの AI CLI ツールを統合した、GPU アクセラレーション対応のターミナルおよび SSH ワークスペース。統一されたネイティブデスクトップ環境を提供します。

GUIスクリーンショットを構造化された要素に変換するスクリーン解析ツールで、視覚ベースのAIエージェントがインターフェースコンポーネントを正確に識別し、操作できるようにします。

NotebookLM（または Kael.im）が特定のビジュアルスタイルでプレゼンテーションスライドを生成するための、コピー＆ペースト用プロンプトテンプレートのキュレーションコレクション。新聞社説からマンガ、プレミアムな Apple 風モックアップまで。各テンプレートは、ソーシャルメディアのクリエイターから集めた詳細なデザインブリーフ（色、フォント、レイアウトルール）です。ボーナスとして引用チェッカーツールが含まれ、CC BY 4.0 ライセンスです。

Makiは、tree-sitterインデックス、サンドボックス化されたコード実行、サブエージェントタスク委任などのツールを通じてLLMトークン使用量を最小限に抑えるターミナルベースのAIコーディングアシスタントです。数十のモデルプロバイダーをサポートし、高速なRust TUI、Luaベースのプラグイン、権限認識コマンド解析やSSRF保護などの安全機能を提供します。

Anthropic の Claude Code コードアシスタントで使用されるすべてのシステムプロンプト文字列を抽出、バージョン追跡、公開するリポジトリ。生のプロンプトファイル、トークン数、500 以上のフラグメントのチェンジログを提供します。

複数のAIエージェントとアプリを接続するリアルタイム共有ワークスペースで、異なるAIツール間での文脈の手動コピー・ペーストの必要性を解消します。

オープンソースでESP32ベースの3Dプリント可能な四足歩行ロボット。Wi-Fi経由でJSON APIを使って制御でき、アニメーション（Sesame Studio）、シミュレーション、Pythonコンパニオンアプリ用のツールを含みます。

Claude Code 用のビジュアルステータスダッシュボード。ターミナルのプロンプトのすぐ上にセッションメトリクス、トークン使用量、メディア再生コントロールを表示します。

スキャンされたPDFファイルにOCRテキストレイヤーを追加し、元の画像解像度を維持したまま検索やコピー＆ペーストを可能にするコマンドラインツール。

Univer は、開発者が自社アプリにスプレッドシート、ドキュメント、プレゼンテーションエディタを埋め込めるオープンソースの Office SDK です。キャンバスベースのレンダラ、数式エンジン、プラグイン優先アーキテクチャ、およびブラウザと Node.js で動作する統一された Facade API を提供し、UI駆動型とヘッドレス（AIエージェント）の両方のユースケースを可能にします。

Busabase は、オープンソースのローカルファーストなデータベース＋ワークスペースで、AI エージェント（Claude Code、Codex、Cursor、Gemini など）と人間が構造化されたレコード、ドキュメント、スキル、小さなアプリを共有できます。エージェントの書き込みはすべて、差分、作成者、履歴を含む変更リクエストとして保存され、永続的で監査可能なマルチエージェントワークフローを実現します。`npx busabase server` コマンド（または Docker/デスクトップ）で簡単に実行でき、テンプレートをサポートし、任意のカスタムエージェント向けの API（MCP/OpenAPI）を提供します。

Rescriptは、文字起こしベースのオープンソースメディアエディタです。動画や音声を読み込むと、単語ごとのタイムスタンプと話者ラベルが付いた文字起こしがローカルで生成され、テキストを削除するだけでメディア編集が可能です。すべての処理はデバイス上で完結します。ブラウザまたはデスクトップアプリ（macOS/Windows/Linux）として動作します。フィラーや無音の除去、タイムラインの分割・トリミング、多様なエクスポート形式、NLE/DAWタイムラインへの書き出しをサポートしています。ライセンスはPolyForm Noncommercial（以前のバージョンはMIT）です。

依存するセルを自動的に実行し、ノートブックを純粋な Python ファイルとして保存することで、一貫性と再現性を確保するリアクティブな Python ノートブック。

1.2mの二足歩行ロボットを構築・カスタマイズするためのCAD、シミュレーションモデル、ソフトウェアを提供するオープンソース人間型ロボットプロジェクト。

TraceMemoは、ローカルのWeChatデータベースを読み取り、検索可能なインデックス（画像OCRを含む）を構築し、オプションでLLMを活用した自然言語検索を追加できるデスクトップアプリです。グループチャットの要約、発言統計、メンバー退会監視、テキスト読み上げ、自動化パイプラインを提供し、データはすべてデバイス内に保持されます。Windows x64およびmacOS (Apple Silicon & Intel) で利用可能です。

Pythonで本番環境対応のRAGシステム、自律型エージェント、LLMアプリケーションを構築するためのオープンソースAIオーケストレーションフレームワークです。

LLM が GitHub の課題を修正し、セキュリティ脆弱性を検出し、カスタムコーディングタスクを実行できるようにする自律型 AI エージェント。

オープンソースのAstrBotフレームワーク用プラグインで、一定時間沈黙が続くとボットが自動的に会話を開始できるようにします。個別チャットとグループチャットをサポートし、設定可能なタイミング、コンテキスト認識プロンプト、TTS、メッセージ分割、永続化を備え、監視と設定のための独自のWebUIも含まれています。

safelabs-eval は、AI エージェントをレッドチームテストするためのオープンソースの Python フレームワークです。HTTP または Python の呼び出し可能オブジェクトを介して、ターゲットエージェントに 300 の厳選された敵対的プロンプト（OWASP に着想を得た ASI01-ASI10 カテゴリごとに 30 個）を送信し、純粋な Python のパターン検出器で応答をスコアリングします。このツールはフレームワークに依存せず（オプションのアダプタを介して LangChain、CrewAI、AutoGen、LlamaIndex、OpenAI Agents SDK、Google ADK、Semantic Kernel をサポート）、人間が読める形式または JSON レポートを生成し、追加の LLM 呼び出しを必要としません。開発者は、デプロイ前にプロンプトインジェクション、データ漏洩、ツール使用の安全性、幻覚、その他のエージェント固有のリスクを発見するのに役立ちます。

dsh‑purge は、DeepSeek Harness（Web およびデスクトップ）用のコミュニティプラグインで、カスタム脱獄プロンプトとホストポリシーを適用、復元、またはアンインストールするための UI ドックを追加します。セキュリティ研究者は、モデルの拒否と Harness のサンドボックス化の分離をテストでき、Harness 0.2 でのみ動作し、ローカルでの許可されたレッドチーム評価を目的としています。

OpenKnowledge は、Google Docs/Notion のような使い心地でありながらローカルで動作する、無料のオープンソース Markdown エディタです。真の WYSIWYG 編集、デスクトップ（macOS/Windows/Linux）および Web UI を提供し、MCP/CLI ブリッジを介して Claude、Codex、Pi などの LLM によるサイドバイサイドの AI アシスタンスを実現します。組み込みの git/GitHub 同期によりチームでノートを共有でき、AI 駆動の Wiki、セカンドブレイン知識グラフ、埋め込み可能な HTML 仕様書もサポートしています。

オープンソースでローカルファーストのライティングワークスペース。AIエージェントをローカルソースやセマンティック検索と統合し、ユーザーが個人的な声を保ちながら文書の下書きや改訂を行うのを支援します。

Overlay Studioは、20種類のプリセット済みモーションカードとAIセマンティックオーケストレーションを備えた無料のワークベンチです。トーク動画のモーション制作を「AIの即興生成」から「カード選択とタイミング調整」へと変え、視覚的な編集と透明レイヤーの書き出しをサポートし、剪映（CapCut）へ直接インポート可能です。