一个面向 Claude CLI 的自主任务执行系统，监控使用窗口并自动从 Markdown 文件运行预定义任务。

一个用于研究 LLM 中后门攻击与防御的全面基准和工具包，包含标准化的污染流程和七种防御策略。

Tnlearn 是一个 Python 库，它通过符号回归发现的基于任务的神经元来构建神经网络。它使用向量化符号回归或 LLM 引导的方程发现（DrSR）将公式拟合到表格数据，然后将这些公式嵌入 MLP 作为可学习的神经元，实现了比经典梯度提升和表格深度学习更好的准确性。

一个用于在编码、浏览器、计算机使用和机器人领域构建 AI 代理强化学习环境的平台，支持从评估到训练的无缝过渡。

Delphi 的原生全栈框架，提供 Web API、ORM、依赖注入和通过 MCP 的 AI 代理集成的统一生态系统。

一个 Julia 库，用于实现与架构无关的高性能并行卷积计算，使领域科学家能够编写可在 CPU 和 GPU 上部署的高级代码。

一组用于 Vespa 的参考应用程序和教程，展示如何在大规模场景下实现混合搜索、RAG 和多模态向量检索。

Clojure 的 `tech.ml.dataset` 库的数据集操作 API，提供一种高阶、受 R 启发的数据帧操作接口。

使用统一 API 和先进根查找算法的高性能 Julia 库，用于求解非线性方程组。

一个动态的符号回归基准，提供统一且可复现的框架，使用多样化的数据集和 scikit-learn 兼容 API 来比较现代 SR 方法。

一个基于 JAX 和 Flax NNX 的高性能框架，用于在 TPU/GPU 集群上进行 LLM 和多模态模型的训练、微调和推理服务。

Sopify 是一种 AI 编码的开发流程协议，通过强制计划优先工作流并将在 Git 跟踪文件中存储可恢复的项目计划，防止过早编码。

一个利用LLMs和GNNs自动发现并集成可提升准确率的外部特征的智能数据搜索与增强库。

在私有基础设施上追踪机器学习实验和指标的 Weights & Biases 自托管版本。

一个将 ONNX 模型转换为 PyTorch 模型的库，使用户能够利用 PyTorch 的后端和神经网络操作工具。

一个使用 FastAPI 和 LangChain 构建的 RAG 服务，通过 PostgreSQL 和 pgvector 提供用于管理文档集合和执行语义搜索的 REST API。

一个无 C/C++ 依赖的纯 Rust 机器学习与深度学习库，提供传统机器学习、神经网络和评估指标工具。

转换器用于将各种框架的 AI 模型转换为 ONNX 格式时所使用的常见实用工具和函数的集合。

用于处理 Web 规模多模态数据集的分布式高吞吐量流水线，具有用于过滤、评分和去重的 Rust 加速算子。

一个用于不确定性量化的深度学习框架，提供工具通过不确定性感知的训练、评估和后处理来使神经网络更可靠。

Unbody 是一个为 AI 应用程序设计的开源后端基础设施项目，旨在提供全面的数据管理和索引系统。

一个将 Excel 数据转换为 Neo4j 知识图谱的工具包，包含旧版教育示例和现代 GraphRAG 与向量搜索实现。

一个基于 Go 的漏洞扫描与利用工具，专为 Spring 框架设计，通过 MCP 与 AI 代理集成，实现渗透测试的自动化。

一个为 Claude Code 提供持久记忆的插件，通过将对话压缩为精选日志并自动恢复上下文，实现跨会话的持续记忆。

一个实现 Natural Gradient Boosting 的 Python 库，用于概率预测，允许模型输出概率分布而不是单一的点估计（point estimates）。

一个并行运行多个 Claude Code 代理的编排框架，系统性地修复大型代码库中的 bug 并实施最佳实践。

一个 CLI 脚手架工具，可生成集成 Neo4j 知识图谱和代理框架的全栈领域特定 AI 应用程序。

一个 TUI 应用程序，可在单一终端界面中管理并聊天本地 Ollama 模型和主要的云 LLM 提供商。

Apple 的 MLX 库的 Rust 绑定，支持针对 Apple Silicon 优化的高性能机器学习和数组操作。

一个用于在低性能微控制器上训练和部署低比特量化神经网络的框架，使设备在仅 2KB RAM 的情况下也能实现高精度推理。

一组用于在 Axera AI SoC 硬件上部署常见开源深度学习算法的示例代码和基准测试。

一个集成了代理轮换、CAPTCHA 解决和 JavaScript 渲染的一体化网页数据采集 API，可从公开网站提供结构化数据。

一款专业级的 Burp Suite 扩展，提供自动化探测、智能模糊测试和 AI 就绪数据导出，用于检测 OWASP API Top 10 漏洞。

一个用于 R 语言特征工程与数据预处理的框架，使用可管道化的步骤序列来为机器学习模型准备数据。

一个用于从AI编程助手提取聊天历史、代码上下文和diff的工具包，以创建机器学习训练数据集。

一个适用于 Claude Code 和 Codex CLI 的自主规划与执行框架，能将复杂任务转化为单一、具备自我修复能力的自主执行过程。

一个用于在各种机器学习任务中为任意机器学习模型提供严格不确定性估计的 Python 库。

一个利用多模态模型与 UI 交互并生成测试报告的 AI 驱动 CLI，通过自然语言规范测试 Android 和 iOS 应用。

一个数据仓库原生的事件收集层，通过配置即代码的方式统一跨多个目标（如 GA4 和 BigQuery）的追踪。

一个MCP服务器，将DeepSeek的V4.1 Flash API集成到MCP兼容客户端中，实现文本和视觉聊天以及文件管理。

一个使用哈希技巧来保持内存占用有界的高速、可扩展机器学习系统，专注于在线学习和强化学习。

一个类似 scikit-learn 的全面机器学习工具包，为 Rust 提供经典机器学习算法和预处理工具。

基于 PyTorch 构建的可扩展进化计算库，利用 GPU 加速和 Ray 分布式处理解决不可微分优化问题。

一个 Go 实现的 Model Context Protocol (MCP) SDK，可实现外部系统与 AI 应用程序之间的无缝通信。

一种通用的 Bash 工具，使 AI 代理能够在沙箱环境中执行 shell 命令并管理文件。

一个 Python LSP 客户端库，提供统一 API 以查询多个语言服务器的静态分析结果，支持 AI 驱动的代码生成和代理。

一个纯 Python 库，用于模拟各种扑克变体、评估手牌并进行统计分析，专为 AI 开发和工具创建而设计。

一个基于 Go 的 LLM 负载均衡网关，为多个 AI 提供商提供统一的 REST API、加权调度和详细的可观测性。