正在涨的 AI 项目

一个精选的、可克隆的科学研究所用Agent技能开源集合，涵盖生物信息学、化学、数据分析、文献检索等领域。它从官方和社区来源收集高质量、与科学相关的技能，形成一个可跨多种AI编码代理使用的即用型仓库。

本仓库包含书籍《Learning Deep Representations of Data Distributions》的源代码、构建脚本和技术示例，使用户能够编译文本或复现其中的图表。

一个精选的框架、工具和资源目录，供开发者构建能够浏览、抓取和与网页交互的AI代理。

一个关于机器人操作研究论文和资源的精选库，通过系统化的分类法将高层规划与底层基于学习的动作模型联系起来。

一个中文、社区维护的指南，收集ChatGPT和AI资源——从提示词和应用到模型生态系统、开发指南和前沿主题——并配有Telegram社区和开放贡献模式。

BeatAI 是一份技术出版物，为构建和扩展智能体 AI 系统的开发者提供深度指南和架构见解。

一个服务栈，通过将GLM-5.3-Flash（125 GB）的12,096个路由专家分散到显存、内存和NVMe中，在单个RTX 3090 24 GB上运行该模型，解码速度可达约28 tok/s，且输出质量接近精确。

SimUtil 是一个用于管理 Android 和 iOS 设备的统一工具包，使开发人员能够跨多个模拟器和物理设备进行流式传输、控制和自动化测试，并支持通过 MCP 集成 AI 代理。

一个为 Claude Code 提供的配置模板，旨在通过专门的代理和知识技能，帮助开发者构建生产就绪的云原生 Spring Boot 4.x 应用程序。

GAE 是一个研究级的深度学习模型，旨在学习几何原生的潜在空间。

一个将 BVH 文件中的人类动作捕捉数据转换为人形机器人关节动画的工具，通过调整比例与求解逆向运动学来实现。

一个长期运行的 AI 代理循环，通过在 Docker Sandboxes 中迭代执行任务列表，直至完成。

RL-Kernel 是一个高性能基础设施库，旨在确保强化学习（RL）后训练中 rollout 引擎与训练引擎之间的数值一致性，防止不同硬件后端产生的对数概率差异。

Distill 是一款基于终端的编码代理，通过编排模型层级来处理规划、执行和实用任务，从而降低 Token 成本并缩短开发时间。

OmniChar Studio 是一个开源的 Python 应用程序，可让你构建一个便携的 `.char` 文件，描述角色的面部、身体、服装和声音。同一个角色可用于多种生成模型（FLUX、Krea、MiniMax H3、LTX-2.5 等）进行图像或视频生成，并支持可选的 LoRA 训练。它提供了 Web UI、自动选择正确 CUDA/PyTorch 轮子的 CLI 安装程序、低显存和 CPU 配置文件，以及用于工作流集成的 ComfyUI 节点。采用 GPL-v3 许可，支持 NVIDIA、Apple Silicon、AMD ROCm 和仅 CPU 环境。

一套11个自主SEO技能，适用于Claude及其他AI代理，可执行实时研究、竞争对手分析和内容审计，无需手动导出数据。

UniLab 是一个开源 Python 框架，允许您通过 Hydra YAML 定义一次机器人强化学习任务，并在多个物理模拟器（如 MuJoCo、Isaac Gym、Motrix 等）和硬件后端（CPU、CUDA、ROCm、Apple Silicon、Intel XPU）上运行。它提供了 `SimBackend` 契约、离策略重放加速训练（SAC/Flash-SAC）以及已验证组合的支持矩阵。使用 `uv` 安装，运行演示，通过简单的 CLI 标志进行训练/评估，并通过文档化的契约进行扩展。采用 Apache-2.0 许可，并在 CoRL 2026 论文中被引用。

Mission Planner 是一款用于基于 ArduPilot 的无人驾驶车辆的地面控制站软件，提供任务规划、车辆配置和固件管理工具。

专为研究人员设计的 PowerPoint 插件，可自动完成科学图像处理、布局对齐以及 LaTeX 和 Markdown 内容的插入。

一个包含 35 个模块化 Markdown 驱动技能和钩子的库，用于标准化开发工作流并减少提示词冗余。

一个开源的、基于节点的画布，允许用户将来自 11 个提供商的文本、图像和视频 AI 模型链接到自动化的可视化创作工作流中。

一个基于网络摄像头的双手追踪界面，让您能够以空间方式操作笔记、图像和 3D 模型，旨在作为视觉与交互的“身体”接入 AI 代理。

Versus Incident 是一个开源、自托管的 SRE 助手，使用 AI 风格的日志模式学习器自动检测新错误，也可以通过 webhook 接收警报。它提供带有聊天式事件摘要的 Web 仪表板、Kubernetes 集群洞察、多渠道通知和值班集成（PagerDuty、AWS Incident Manager）。配置基于 YAML，代理以训练/影子/检测模式运行，整个系统打包为 Docker 镜像（可选 Helm chart）。

claude-history 是一个基于终端的 UI，用于搜索、查看和管理 Claude Code、Pi 和 Oh My Pi 聊天转录文件。它提供模糊和基于 ONNX 的语义搜索、查看器内 Markdown 渲染以及恢复、分叉、重命名或删除会话的一键操作，使 AI 代理对话历史成为可搜索、可操作的工作流部分。

OKX Agent Trade Kit 是一个开源的、支持 AI 的工具包，它允许 LLM 助手（如 Claude、Cursor 等）通过模型上下文协议（MCP）控制 OKX 加密货币账户。它提供了一个本地 MCP 服务器（`okx-trade-mcp`），暴露了 170 多个交易工具，涵盖市场数据、现货/合约/期货/期权、机器人、赚币产品、新闻和聪明钱分析，以及一个配套的 CLI（`okx-trade-cli`）。该系统在本地运行，保持 API 密钥私密，并包含安全标志、现成的 AI 代理技能文件和 MIT 许可证。

一个开源 AI 视频工作站，通过 ComfyUI 和基于 MCP 的智能体自动化，将完整的时序编辑器与 AI 生成工作流相结合。

基于 CUAD 数据集的法律合同审查 AI 代理技能，提供风险检测、市场基准和具体的修订建议。

一种使用在本地或云端托管的隔离沙盒虚拟环境来并行运行多个 AI 编程代理的工具。

一个用于 ComfyUI 的通用多引擎 TTS 与音频套件，整合了数十种 AI 模型的语音合成、语音转换与 SRT 字幕同步功能。

这是一个精心策划、持续发展的资源中心，收集关于自我改进智能体系统的论文、基准、博客、播客和其他资源。它将领域分为两个主要分支——改进底层模型和改进周围脚手架——并作为研究者和实践者的实用指南。

一个精选的论文、框架和工具集合，用于在线策略蒸馏（OPD），这是一种在训练后使用学生模型自身生成的样本进行训练的技术，旨在弥合大语言模型（LLM）的训练-推理分布差距。

一个结构化、由社区维护的论文、工具和概念集合，旨在为 LLM 提供持久记忆。包含 1,270 多篇论文、111 个开源项目、严格的筛选标准以及定期更新。

一款原生 AI 抠像运行时和 OFX 插件，适用于 DaVinci Resolve 与 Foundry Nuke，为视频编辑者提供自动化、机器学习加速的背景移除功能。

React Native ExecuTorch 是一个将 Meta 的设备端 ExecuTorch 推理运行时引入 React Native 的库，支持使用硬件加速和现成 hooks 或低层 TypeScript 流水线进行离线 AI（LLM、视觉、语音等）。

Google DeepMind 的 TAP‑Net 仓库为“Tracking Any Point”（任意点追踪）任务提供数据集、预训练模型（TAPIR, BootsTAPIR, TAPNext/Next++）、训练代码以及 Colab/实时演示。该任务是一种精确的点级视频追踪技术，对视觉研究和机器人模仿学习非常有用。

一个开源的 Python 库，用于研究通信系统，提供用于无线电传播射线追踪以及无线/光链路级和系统级仿真的工具。

SAHI 是一个 Python 库，可为现有的目标检测模型添加平铺（切片）推理，从而在超大图像或视频中准确检测小目标。它支持多种流行的检测器，提供 CLI 和 FiftyOne 集成，并包含 COCO 数据集工具。

DeepSpeed 是一个基于 PyTorch 的开源库，提供内存高效的优化器、多维并行性和硬件卸载引擎，用于在 GPU、CPU 和专用加速器上训练超大规模深度学习模型（参数可达数千亿）。

一套开源的 MLOps 与 LLMOps 套件，提供实验追踪、编排和数据管理，简化深度学习开发生命周期。

一款通过 AI 驱动的工具，可自动生成单元测试以提高代码覆盖率，支持多种编程语言及多种 LLM 提供商。

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。

SkillRL 是一个框架，使 LLM 代理能够从过去的经验中学习并发展出一套可重复使用的层级化行为技能库，从而减少 Token 开销并提升强化学习 (RL) 的效能。

一个专为 Kalshi 预测市场设计的代理原生工具包，专注于通过结算基础的遥测数据与自我改进的风险策略，严格衡量并证明交易优势。

基于真实人类时间利用调查，用于测试具身智能（embodied AI）智能体在 1,000 种日常家务活动中表现的全面仿真基准。

一个基于可组合的 TensorDict 数据模型的 PyTorch 原生强化学习与机器人工具包，用于构建可扩展的 RL 系统。

LLM Vision 是一个 Home Assistant 集成，使用多模态大语言模型（OpenAI, Anthropic, Gemini, Ollama 等）来分析图像、视频片段、实时摄像头画面和 Frigate 事件。它会返回自然语言描述、记住已识别的人/宠物/物体，并将每次分析结果存储在时间轴中，可以在仪表板上显示或通过 Assist 进行查询。可以通过 HACS 安装，配置 LLM 提供者，并可选择添加提供的 Blueprint 以获得 AI 摘要的摄像头摄像头通知。

一个每周直播编程系列，教开发者如何将AI应用从初始原型转变为可靠、可投入生产的系统。

一个全面的教育仓库，提供结构化的教程、Jupyter Notebook 和练习，用于从初学者到高级水平学习 Python、数据科学和机器学习。