一个为编码代理提供隔离、容器化环境的 MCP 服务器，允许多个代理安全且独立地并行工作。

在 Kubernetes 上部署开源 Dify LLM 聊天机器人（API、Web UI、工作进程、沙箱、插件、向量数据库、存储等）的 Helm 图表，支持可配置的外部数据库、缓存和云对象存储。

一个允许 AI 智能体通过简单的 shell 命令控制 Chrome 的 CLI 工具，无需复杂的配置或 API 密钥即可实现浏览器自动化。

VecturaKit 是一个 Swift 库，提供设备端向量数据库，支持混合向量 + BM25 搜索。支持多种嵌入后端（Apple NaturalLanguage、OpenAI 兼容 API、swift-embeddings 模型、Apple MLX）、自定义存储/搜索插件和 CLI 工具，使 iOS/macOS/watchOS/tvOS/visionOS 应用能够实现以隐私为先的语义搜索。

一个用于企业级 LLM 服务的 Kubernetes operator，可自动化模型管理、运行时选择和 GPU 资源优化。

一款企业级开源 RPA 桌面应用，支持低代码自动化桌面软件和网页，具备与 AI 代理的深度集成。

一个使用图神经网络构建 E(3) 等变原子间势能的开源框架，可准确预测原子能量和受力。

一个允许在多个 GPU 上训练大规模图像和视频扩散模型的流水线并行训练脚本。

一个通过增量多轮交互评估 LLM 代理记忆能力的基准，侧重检索、学习和冲突解决。

一个收集了预训练深度学习模型和工具的套件，可用于优化、编译并部署到 Hailo AI 硬件上。

适用于 Windows NVIDIA GPU 的 AI-Toolkit by Ostris 的一键式便携安装程序，简化了图像和视频扩散模型训练的设置过程。

一个开源、本地部署的 Hugging Face 替代方案，用于管理、存储和分发 LLM 资产、数据集和代码。

一个基于 PyTorch 的时间序列预测库，提供高级 API 和最先进的深度学习架构，如 Temporal Fusion Transformers 和 N-BEATS。

一个用于创建可直接用于论文发表的 SVG 格式神经网络架构图的参数化工具，无需手动绘制。

SmythOS SRE 是一个开源的运行时环境和 SDK，充当 AI 代理的操作系统，提供对 LLM、向量数据库和存储的统一抽象，简化生产部署。

一个由社区维护的 Swift SDK，使开发者能够轻松地将文本、图像和音频 AI 功能集成到 Apple 平台应用中。

一个针对 Agent Network Protocol (ANP) 的多语言 SDK，让 AI 代理能够使用标准化接口和端到端加密来发现、验证和彼此通信。

一个容器内 GPU 资源控制器，通过拦截 CUDA 调用，在不修改应用程序或驱动程序的情况下，强制执行每个容器的内存和计算利用率限制。

一个为大规模问题设计的 GPU 加速且可微分的 Python 库，用于高性能量子系统模拟，特别适用于基于梯度的参数估计。

用于在 AWS 基础设施上部署和运行分布式 AI 训练与推理的参考架构和示例集合。

一个用于构建和扩展图神经网络（Graph Neural Networks）的 TensorFlow 库，提供异构图表示和分布式图采样工具。

一个高性能跨平台计算框架，允许开发者使用 C++ 编写计算内核，并部署到 CUDA、DirectX、Metal 和 CPU 后端。

一款 macOS 实用工具，可在 MacBook notch 旁显示 Claude Code 和 Codex 代理的视觉状态指示器，通过监控系统进程和会话文件来追踪活动状态。

一款本地优先的桌面应用程序，可将文档、扫描 PDF 和音频转换为干净、结构化的 Markdown，以降低 LLM 的 token 成本并保持隐私。

一个将 AI 原生开发转变为结构化系统的 Claude Code 插件，支持上下文预算冲刺、多代理编排和自动化质量验证。

一个配置驱动的知识蒸馏工具包，可将黑盒教师模型转化为跨文本、图像和视频模态的高质量 SFT 和 DPO 训练数据。

一种 C++ 实现的 Model Context Protocol (MCP)，允许 AI 模型和代理通过标准化接口与工具、资源和服务进行交互。

一个将 AI 代理和编码助手连接到 Postman 工作区、集合和规范的 MCP 服务器，用于自动化 API 测试和客户端代码生成。

一个用于评估 AI 在未解决、开放性和多样化计算机科学研究与算法问题上的基准，以超越饱和的教科书式基准。

一个用于在多个模型和参数排列中实战测试和评估 LLM 提示词的可视化数据流环境。

一个多 LoRA 推理服务器，允许用户在单个 GPU 上服务数千个微调的 LLM，以降低服务成本。

一个用于浏览 AI 模型、比较性能基准、追踪 AI 编码代理和监控提供方服务状态的 TUI 和 CLI 工具。

一个高性能 JAX 库，实现了 30 多种进化策略，可在硬件加速器上实现高效、向量化的神经进化。

一个轻量级的 Python 绑定，为 LLVM 的 IR 构建器、优化器和 JIT 编译器 API 提供稳定接口，简化 JIT 编译器的创建。

一个利用零拷贝 ArrayBuffers 和 GPU 加速的高性能 TensorFlow Lite 库，专为 React Native 设计

为 NVIDIA Jetson Nano 提供的预配置 Ubuntu 20.04 操作系统镜像，已预安装 OpenCV、TensorFlow、PyTorch 和 TensorRT。

一种用于可视化、同时保留高维数据局部和全局结构的降维方法。

一个用于 GPU 内核的自动调优工具，可在多种 GPU 编程语言中对参数进行基准测试和优化，以提升性能和能效。

一个 MCP 服务器，为 AI 模型提供结构化草稿板，用于记录顺序推理步骤、验证工具计划并管理推理历史。

用于在加速器架构上对密集和稀疏张量代数工作负载进行建模、映射和代码生成的基础设施。

一个用于具有对称性的大规模张量计算的 Julia 包，专为构建模拟量子多体系统的张量网络算法而优化。

一种隐私保护框架，允许数据科学家在私有数据上运行计算，而无需数据离开所有者机器，利用现有的云存储进行传输。

一个PyTorch库，实现了多种向量量化技术，包括VQ、残差VQ和FSQ，用于将连续数据映射为生成建模所需的离散表示。

Pyserini 是一个 Python 工具包，封装了 Anserini Lucene 搜索引擎和 FAISS，为信息检索研究和 RAG 流水线提供简单、可复现的第一阶段检索（稀疏、密集或混合）。它包含预构建索引、评估脚本和 REST 服务器，可通过 `pip` 安装。

一组 GPU 加速的图分析包，支持图的创建与操作以及可扩展图算法的执行。

一个使用符合预测（conformal prediction）来量化机器学习模型不确定性并控制风险的模型无关 Python 库。

一个用于 JAX 的模块化采样器库，可在 CPU、GPU 和 TPU 上实现无需完整概率编程语言的可组合贝叶斯推论。

Kineto 是 PyTorch Profiler 中使用的性能分析库，为机器学习工作负载提供性能可观测性和 GPU 时间线追踪功能。