一个经过生产环境测试的 AI Agent 框架，通过实现 SAFe 方法论来协调跨 Claude 和 Gemini 等多种 AI 提供商的多智能体团队。

一个本地 MCP 服务器，通过优先于视觉信息的层级感知系统，使 AI 智能体能够安全地控制 Windows、macOS 和 Linux 上的任何桌面 GUI。

一组 Kubernetes 部署清单，可帮助用户轻松在 Kubernetes 集群上部署和托管 Dify。

一种为 AI 编程助手设计的持久记忆系统，使用基于结构化 Markdown 的记忆栈，在会话间保持项目上下文、规则和进度。

一个基于 Rust 的神经网络引擎、高级预测模型和 CPU 原生、临时性 AI 的蜂群编排系统组成的神经智能框架。

一个集成的 AI 硬件评估引擎，可在各种模型、框架和软件栈中对 AI 芯片的实际性能进行基准测试，确保结果公平且可复现。

一款 AI 驱动的 DevOps CLI，允许用户通过自然语言代理管理、查询和部署云基础设施与 Kubernetes 集群。

一个为快速多 GPU 训练和解码优化的通用循环神经网络可扩展训练框架。

LayerSkip 是一个使大语言模型（LLM）实现早期退出推理和自我推测性解码的框架，通过让模型充当自身的草稿模型来降低推理延迟。

一个用于创建后端的框架和工具集，使 Triton Inference Server 能够执行来自各种深度学习框架或自定义 C/C++ 逻辑的模型。

一个将基于 stdio 的 Model Context Protocol (MCP) 服务器封装为 AWS Lambda 函数的库，使云托管的 MCP 服务器可通过 HTTPS 访问。

一组用于评估 Triton 与 PyTorch 集成的性能的 PyTorch 算子集合。

一个用于 Model Context Protocol (MCP) 的 PHP SDK，能够创建 MCP 服务器和客户端，专门针对无状态的虚拟主机环境进行了优化。

一个在相同硬件约束下，用于比较不同向量搜索引擎性能和效率的通用框架。

一个使用符号表达式来轻松构建、操作和优化回归与分类复杂机器学习流水线的 Julia 包。

一个用于在 NVIDIA、AMD 和 Apple Silicon 等多种硬件平台上测量和优化深度学习工作负载能源消耗的库。

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。

一个安全框架，用于记录和缓解使用模型上下文协议（MCP）的智能体系统中的敌对行为。

一个用于模拟私有联邦学习实验的 Python 框架，支持多种机器学习框架和差分隐私机制。

一个可运行时加载的 SQLite 扩展，利用 HNSW 实现快速、SIMD 加速的向量搜索，为近似最近邻查询提供 SQL 接口。

一个 Go 客户端库，提供对 pgvector PostgreSQL 扩展的支持，使 Go 应用程序能够实现向量相似性搜索和存储。

一个包含可立即运行的深度学习训练配方的库，为常见任务提供生产就绪的基线，以消除重复的胶水代码。

基于 PyTorch 的统一深度学习框架，专为工业级推荐、广告和搜索系统中的超大规模稀疏与密集计算优化。

一个基于 JAX 的学习排序库，提供即用型的排序损失、度量和转换，用于优化项目的相对顺序。

一个用于在拓扑域（如单体复形）上进行深度学习的 Python 模块，适用于科学和工程领域。

一种基于MADDPG的多智能体深度强化学习框架，用于优化高速移动车联网中V2V和V2I通信的频谱共享与功率控制。

通过追踪元数据和自动化任务依赖关系管理，确保可复现性的机器学习流水线框架

一个用于科学机器学习和方程求解器的综合基准测试套件，可衡量各种数值方法的工作精度效率。

Qdrant 向量搜索引擎的 Go 客户端库，提供用于管理集合和执行相似性搜索的实用工具。

一个适用于 Node.js 应用程序的库和 CLI 工具，用于检测它们是否正由 AI 代理或 AI 驱动的编码环境执行，以调整其输出。

将代码库转换为可搜索图谱的知识图谱可视化工具，用于分析依赖关系并为开发者提供基于 GraphRAG 的聊天功能。

一个通过 npm 发布出的 Node 库，为 Kubernetes/DevOps 工作流提供 LLM 驱动的助手。它提供 CLI 和托管平台 (MCP)，用于自然语言集群查询、部署建议、自动化修复、策略驱动的提示词库，以及语义文档搜索，所有功能都已打包好，可轻松安装在 Kubernetes 集群中。

一个允许使用 ROCm 平台在 AMD GPU 上进行编程和执行计算的 Julia 包。

一组用于在支持 CUDA 的系统上部署和管理 Dask worker 的工具，以促进 GPU 加速计算。

一个为 ClickHouse 设计的 AI 原生控制台，支持自然语言查询生成、智能可视化和集群诊断。

一个基于 JAX 的库，使用 K-FAC 优化器和可扩展的曲率近似来实现神经网络的二阶优化。

一个 Python 实现的局部离群概率（LoOP），提供 0 到 1 之间的可解释异常分数作为概率。

AI 代理的本地优先长期记忆层，用于存储持久事实，并通过称为 wings 的隔离项目边界管理上下文

通过 Agent Trust Protocol 提供自动化渗透测试、LLM 红队测试，并为 AI 代理提供加密身份标准的自主安全代理。

Oryx 是一个建立在 JAX 上的概率编程与深度学习库，可与 JAX 的函数转换功能集成。

一个评估框架，用于衡量代码代理如何在交互式环境中通过迭代实验和反馈逐步演化出可执行策略。

一个 ComfyUI 自定义节点，用于精确控制分辨率和宽高比，具备可视化 2D 画布及针对 AI 图像生成的特定模型优化功能。

一个将深度学习模型与形式化知识表示相结合的 Python 包，支持本体匹配和子类预测等任务。

针对 NVIDIA DGX Spark 上的 Qwen3.5-122B-A10B 模型的一组性能优化，通过混合量化和推测解码将推理速度从每秒 28.3 个 token 提升至 52 个 token。

一个扩展 safetensors 格式的库，旨在为各种 LLM 压缩和量化方案提供统一的存储和管理系统。

一套用于实验与研究推荐系统的 Python 工具集，提供训练、运行与评估推荐算法的支持。

适用于 macOS 的多代理安全控制台，通过在独立的 macOS 用户账户中运行隔离的 AI 代理实例，确保数据隐私和系统安全。

Julia 中用于多种自动微分后端的统一接口，提供计算梯度、雅可比矩阵和海森矩阵的一致语法。