正在涨的 AI 项目

一个统一的视觉基础模型，将 CLIP、DINOv2 和 SAM 等多个大型模型蒸馏为单一骨干，以提高跨视觉领域的效率和通用性。

SentrySearch 是一个命令行工具，可将视频素材索引到本地向量数据库中，让你能够使用自然语言文本或参考图像进行搜索，并将最佳匹配时刻保存为剪辑片段。

一个基于现实世界组织结构和方向性通信流来组织智能体协作的多智能体 AI 应用框架。

一个工具与 SDK，让您能将 ChatGPT 账号作为 OpenAI 兼容的 API 使用，协助开发者打造让用户能自行提供 AI 账号的应用程序。

ProjectAtlas 是一个原生 Rust CLI 和 MCP 服务器，它能为您的代码库创建本地智能地图，帮助 AI 编程助手更高效地导航大型存储库并降低 Token 成本。

Relax 是一个开源、基于 Ray Serve 的强化学习引擎，专为多模态大型语言模型设计。它在单一训练循环中支持文本、视觉、视频和音频，提供跨独立 GPU 集群的全异步或混合执行模式，包含多种 RL 算法（PPO、GRPO、M2PO、RLOO、REINFORCE++…），并具备弹性 rollout 扩缩、健康检查和集中式指标等生产级功能。该框架以 Docker 镜像形式发布，搭配 Megatron-LM 训练和 SGLang 推理后端，并附有可直接运行的文本、视觉-语言和全模态任务脚本。

一个开源设计画布，支持在 macOS、Windows 和 Linux 上将 AI 驱动的图像和资产生成与传统图形设计工具集成。

Aixora Audio 是一个面向 Windows 的全能桌面 UI，通过编译的 C++ 推理后端（audio.cpp）在本地运行开源语音合成、转录、翻译、配音、实时语音聊天和其他音频工具。它支持 CUDA、Vulkan 或 CPU，提供大量模型目录，并提供便携式软件包和源码构建说明。

StatsPAI 是一个开源 Python 库，它复现了 Stata 和 R 的许多计量经济学命令（回归、IV、DiD、RD、合成控制、匹配等），并提供 Stata 风格的 API、智能体就绪的元数据、内置数据集以及导出表格和交互式绘图的实用工具。

Ceres Solver 是一个用于建模和求解大型、复杂非线性最小二乘法和一般无约束优化问题的 C++ 库。

一个用于高效 Transformer 模型推理的 C++ 和 Python 库，通过量化和自定义运行时来加速执行并减少 CPU 和 GPU 上的内存使用量。

Darts 是一个简化时间序列预测和异常检测的 Python 库。它为经典模型（ARIMA、指数平滑）和深度学习模型（N-BEATS、TCN、Transformer）提供了统一的 `fit`/`predict` API，支持多变量序列、协变量、概率预测、回测，并与 PyTorch Lightning 和 MLflow 集成。

一款开源、自托管的 AI 语音录音设备配套应用，可同步录音并使用用户选择的 AI 提供商进行转录。

OpenLLM 是一个 Python 工具，可让您在本地运行开源 LLM（例如 Llama 3、Qwen 2.5、Mistral），并通过兼容 OpenAI 的 REST API 将其暴露。通过一条命令，您可以启动 GPU 加速服务器、使用内置的 Web 聊天 UI，并通过 Docker 或 Kubernetes 部署服务。它支持模型目录、自定义模型仓库，并与高性能 vLLM 后端集成。

AITuberKit 是一个开源工具包，用于构建可聊天、说话并实时直播的 AI 驱动虚拟角色（VTuber）。它整合了多种 LLM、TTS 引擎和角色格式，支持 YouTube 聊天、kiosk 演示和游戏解说模式。可在本地、Docker 或 Vercel/Cloudflare 上运行。商业用途需单独授权。

一个 SQLite 扩展，利用 CRDT 实现跨设备的离线优先、无冲突数据同步，专为协作应用和分布式 AI 智能体内存设计。

MIRA 是一个基于 50 亿参数潜在扩散模型的 Rocket League 实时世界模型，可根据玩家操作模拟 2v2 比赛。

Google AI Edge LiteRT Samples 是一个真正的开源集合，包含面向 LiteRT（TensorFlow Lite 的继任者）和 LiteRT-LM 的端侧机器学习演示、模型转换配方和自动化工具。它提供了涵盖语音、视觉、文生图和多模态应用的 Android、iOS 和 Web/WASM 示例，以及将 Hugging Face 检查点转换为 LiteRT 兼容包的脚本。该仓库面向构建高性能边缘 AI 应用的开发者。

Zero-WAM 是一种因果视频动作策略，使机器人能够通过使用人类示范视频或语言作为上下文规格，零样本地执行未见过的任务。

RepoPrompt CE 是一款开源 macOS 应用，帮助您收集和审查代码库中 LLM 编码代理所需的确切部分（文件、差异、CodeMaps），然后通过内置 MCP 服务器将该策划上下文移交给代理。它还允许您从 UI 启动和协调 CLI 编码代理，支持多仓库工作区和 token 预算感知的提示词构建。

MyContext 是一款桌面应用，可将用户的工作数据（聊天、文档、会议等）持续摄取到私有的本地存储知识图谱中。该图谱可通过 LLM、本地代理或授权的 AI 应用进行查询，为它们提供更具信息量的响应所需的个人上下文层。功能包括数字自我助手、带有来源引用的自然语言搜索，以及严格的人机回环（human-in-the-loop）控制。该项目正在积极开发中，并根据 Elastic License 2.0 发布。

dstack 是一个统一的控制平面，可在云提供商、Kubernetes 和本地集群之间编排 GPU 资源，从而简化 AI 开发、训练和推理。

一种轻量级 LLM 调度框架，通过在多个 LLM 系统间复用频繁访问的外部知识的 KV 缓存，减少预填充开销。

一个实时物理模拟引擎和 SDK，提供模拟物理交互、破坏和流体的工具，包括用于 USD 物理的 Python 绑定。

SayIt 是一款开源 Windows 应用，可通过全局快捷键在任何地方进行听写，然后使用语音转文字和可选的基于 LLM 的清理功能，将润色后的文本插入光标处。它支持本地 GGUF ASR 模型、云 API 或自托管的 FastAPI 后端，提供上下文感知编辑、按应用规则、叠加反馈和完整历史记录。采用 AGPL-3.0 许可。

AAS是一个开源的、基于Docker的多无人机开发框架，支持快速ROS 2模拟（PX4/ArduPilot、Gazebo、YOLO/LiDAR）以及Jetson硬件部署，并提供可选的RL Gymnasium支持。

一个为 Google 的 Gemma 模型设计的轻量级、独立的 C++ 推理引擎，采用极简且 CPU 优化的实现，专为研究和实验而设计。

专为嘈杂环境、远场音频和广泛中文方言支持优化的高精度端到端语音识别模型家族。

Silero Models 是一个开源神经文本转语音模型集合（支持俄语、突厥语、高加索语及其他独联体语言）。可通过 `pip install silero` 安装或从 PyTorch Hub 加载，然后通过一次 `model.apply_tts(text)` 调用合成语音。模型在 CPU/GPU 上速度快，支持多种采样率，并包含语言特定功能，如俄语自动重音和 SSML 标记以实现精细控制。采用 CC BY-NC 4.0 许可证（独联体基础变体为 MIT 许可证）。

一个 GitHub 仓库，精选来自各种 AI 智能体的系统提示词，并提供分析指南，从中提取为智能体 AI 系统设计有效提示词的最佳实践。

一门实用的俄语 Claude Code 课程，从首次运行到专业团队设置，包含 12 个模块、8 个实验、一个入门套件、提示词配方以及 CI 和 GitHub Actions 的自动化示例。

Bops 是一款开源 macOS 应用，可让您运行一组 AI 机器人来自动化业务任务。机器人在真实云虚拟机（Orgo）上执行，可在应用内或通过 Slack/Telegram/Discord、电子邮件和电话进行聊天，并集成约 1,400 个应用。Free、Pro 和 Max 套餐提供云计算和 AI 额度；该仓库还支持使用您自己的 API 密钥进行完全自托管。

一个为编码代理设计的自我改进上下文引擎，利用 Markdown 文档在不同会话间维护项目规格与决策的持久且可共享的记忆。

Intent 是一款桌面应用程序，通过 Rust 后端守护进程 (intentd) 来协调 AI 编码代理、笔记、任务、git 和终端。所有状态均存储在本地的 SQLite 中，并通过 Unix socket 或安全 WebSocket 上的 JSON-RPC 进行访问。打包后的应用程序内置了该守护进程；高级用户可以单独安装。它支持多种 AI 提供商、可选的 GitHub/Linear/Sentry 集成，以及即将推出的 iOS 配套应用。不发送任何遥测数据；更新仅从 GitHub 发布版本中获取。

Metis 是一个开源编码代理，可作为桌面应用、终端工具或技能运行，让每个项目定义自己的代理架构。它通过可编辑的工作流和自动任务分级，自动化规划、编码、审查和测试。

Docker Skills 是一组可移植、符合标准的 *Agent Skills*，教 AI 编码助手如何处理 Docker 任务——Dockerfiles、Compose stacks、沙箱生命周期，以及 Docker Agent 配置——同时提供安全护栏。

一个以 Claude Code 技能形式实现的 AI 原生辅导系统，提供关于 AI 设计和前向部署工程的自适应、个性化课程。

DeepMind 的 representations4d 提供研究级视频模型，通过掩码自编码、移动令牌注意力、循环掩码、多模态对齐和基于扩散的感知来学习 4 维（空间+时间）特征。它附带预训练检查点（高达 220 亿参数）、Colab 演示以及一个小型 Python 库，用于深度、跟踪、分割和文本提示的多任务视觉推理。

DeepJIT是一个仅头文件的C++20库，提供CUDA或华为昇腾内核的即时编译和缓存，并带有友好的PyTorch Python绑定和共享缓存支持。

Show‑Harness 是一个开源框架，让视觉语言模型通过一个极小的、基于 token 的动作词汇表来控制机器人。它支持大型 VLM 的零样本使用和微调的小型 VLM，兼容多种机器人平台和模拟器，提供了一个用于收集演示的浏览器 UI（GUMI），并包含一个用于感知/规划扩展的插件系统。已发布的 LoRA 适配器和数据集托管在 HuggingFace 上。

一个基于 MCP 的 Unreal Engine 插件，通过命名空间-分发模式将超过 1,400 个编辑器操作暴露给 AI 助手，以最小化上下文窗口使用量。

Marigold V2 是一个开源研究代码库，可将冻结的扩散 Transformer（Qwen-Image-Edit-2509）转换为快速、单步的稠密预测器，用于单目深度、透视深度、表面法线和反照率。它提供预训练的 LoRA 检查点、轻量微调配方（在单张 32 GB GPU 上约 1 周）、CLI 推理、基准评估脚本，以及可扩展到新稠密视觉任务的模块化 YAML 驱动训练框架。

一个上下文工程工具，可将整个代码库转换为结构化的 LLM 提示词，自动化为 AI 模型收集与格式化代码的过程。

一个全系统 DNN 硬件探索平台，允许架构师使用可配置的脉动阵列架构来设计和评估 AI 加速器的性能。

gawkbot 是一款开源的 macOS/iPhone 应用，将自然语言工作流程描述转化为专用的、本地运行的 AI bot。每个 bot 都有自己的 UI、计划、工具、数据表，以及带引用的知识 wiki。Bot 使用 Claude Code、Codex、Opencode 或任何本地模型（Ollama、Hermes、OpenClaw），并能操作 1,200+ 集成，但每个外部写入都暂停在手动审批门之后。该应用位于 Mac 的摄像头刘海处，提供键盘/语音快捷键，支持多工作区、团队共享（Tailscale 或 Cloudflare 隧道），并将所有状态存储在本地文件中。它是免费、自托管的，旨在为纯云“常驻”AI 助手提供隐私优先、成本透明的替代方案。

专为 Linux CLI 设计的智能 AI 助手，旨在帮助用户学习并掌握道德黑客技术和网络安全。

一组打包的指令和脚本，扩展 AI 编码代理理解并使用 Firebase 的能力。

homr 是一个开源的 Python OMR 工具，使用 UNet 分割模型和基于变换器的符号识别器，将乐谱照片或 PDF 转换为 MusicXML 文件，可通过简单的 CLI 在 CPU 或 GPU 上运行。