正在涨的 AI 项目

一个用于代理编码的开源后端平台，为 AI 代理提供数据库、身份验证、存储和计算能力，以自主构建全栈应用程序。

一个面向 AI 智能体的技能，将一句话简报转化为完整的、获奖品质的网站——涵盖概念、设计系统、代码生成、自动 QA 和可选部署。

Nano-vLLM 是一个轻量级、从零开始实现的 vLLM 风格推理引擎，旨在通过高度可读的代码实现快速的离线推理。

GRAVA 是一个用于自动驾驶的视觉-语言-动作框架，通过基础推理将视觉场景理解与可执行的驾驶轨迹连接起来。

HiP3R 是一个用于三维重建的框架，通过对齐重叠片段并优化相机位姿来处理长视频序列，从而生成一致的空间模型。

一个开源计算机使用代理框架，通过鼠标、键盘和屏幕操作真实 GUI，以完成跨桌面和 Web 应用程序的自然语言任务。

NarratoAI 是一款开源的桌面/Web 应用，用于自动化视频解说：它利用 LLM 编写脚本、剪辑视频高光片段、通过多种 TTS 引擎（包括 Apple-Silicon MLX 模型）生成配音、通过 ASR 创建字幕，并可添加 AI 生成的音乐。可通过预构建的 Windows/macOS 安装包、Docker 或从源码（Python 3.12+）安装。UI 运行在 Streamlit 上，地址为 http://127.0.0.1:8501。采用开源许可证。

一个包含15个模块化技能的集合，用于Claude Code，使用户能够完全通过代码生成专业的动态图形和动画视频。

一个本地12B参数模型和桌面应用程序，可将AI生成的草稿改写为听起来像人类写的，同时保持事实准确性和格式。

open-computer-use (又名 ocu) 是一个开源、跨平台的计算机使用服务，通过标准的 MCP JSON-RPC 服务器提供 macOS、Linux 和 Windows UI 自动化功能。它允许 AI 代理（如 Codex、Claude Code、Gemini CLI 等）执行列出应用、按键或查询 UI 元素等操作，并包含 JavaScript REPL、流行代理的技能包、权限助手以及可选的 macOS 光标移动子系统。

Knowhere 是一个开源后端，可将 PDF、幻灯片、Word 文档、图片等解析为层级原生的内存图谱。它提供双轨（文本+视觉）解析、代理中立的检索 API 以及可供引用的结果，使 AI 代理能够高效地导航并引用复杂文档。

NeonPlan 3D 是一个 Home Assistant 集成，让您绘制平面图并与霓虹风格的 3D 房屋视图互动，控制灯光、百叶窗、门、摄像头等，并提供可选的家具包和 Pro 附加组件。

RD‑Agent 是一个开源的 Microsoft 框架，让基于 LLM 的代理能够自动提出想法（R‑agent）并进行实现（D‑agent），涵盖量化金融因子建模、Kaggle 风格的数据科学流水线以及研究论文代码生成等数据驱动的研发任务。它在 MLE‑bench 基准测试中名列前茅，支持任何与 LiteLLM 兼容的模型，并提供基于 Docker 的演示以及用于交互式追踪的 Web UI。

一个自托管的 AI 股票监控平台，结合投资组合管理与多代理研究团队，对 A 股、港股和美股进行深入分析。

SkillOpt 是微软开源的框架，通过深度学习风格的循环优化 LLM 代理的技能提示，将其作为可训练文档，实现可测量的性能提升，而无需修改模型权重。

一个非官方的 Python 客户端/CLI，用于 Google 的 Gemini Notebook（前身为 Notebook LM）。它让你可以以编程方式创建笔记本、添加多种来源类型、询问 Gemini 驱动的问题、生成音频/视频/幻灯片/测验/闪卡/思维导图，并批量下载结果。专为研究自动化、LLM 代理集成（Claude Code、Codex 等）以及通过 Python API、MCP 服务器或 REST 服务器进行无头脚本设计。使用未记录的 Google API，因此可能失效且有速率限制。

这是一个完整的DIY套件，用于构建一只行走的机器鸭——开源Microduck的复刻版，使用Feite HD1910舵机。它附带预训练的运动模型（无需AI训练）、中文控制台、定制电路板、3D打印文件和分步构建指南。这只鸭子可以行走、坐下、踢腿、翻滚，甚至单腿平衡（作者的自我训练突破）。免费供个人非商业使用；商业使用需要书面许可。

DeepEval 是一个开源的 Python 框架，允许你为任何基于 LLM 的应用（如聊天机器人、代理、RAG 管道或多模态生成器）编写 pytest 风格的测试。它附带数十种基于研究的指标（例如 G-Eval、JevEval、任务完成度、幻觉、偏见），可以在任何模型上本地运行，并且你可以添加自定义指标。该库与流行的工具包（LangChain、OpenAI、Anthropic、LlamaIndex 等）集成，自动跟踪模型调用，实现端到端和步骤级评估。测试从命令行运行，适合 CI/CD，并可连接到商业的 Confident AI 平台进行生产环境监控。非常适合需要为 LLM 应用提供定量质量门的开发者和团队。

Handwired 将常规 JavaScript 代码转换为仅由矩阵乘法和 ReLU 组成的可微分程序，无需任何训练即可实现 GPU 加速执行和基于梯度的实验。

一个将本地机器上运行的 AI 代理与即时通讯平台连接的桥梁，允许用户通过聊天应用远程控制本地代理。

DeepSeek Harness 代理平台的原生桌面应用程序，简化了安装、运行时管理和插件处理，并支持远程移动访问。

一个 DeepSeek Harness 插件，允许用户和 AI 搜索、发送和学习表情包，支持手动选择以及跨 Web 和 IM 平台的 AI 驱动表情包对战。

一个为 draw.io 设计的 AI 驱动界面，允许用户通过自然语言聊天生成和编辑图表，并支持通过模型上下文协议 (MCP) 与 AI 智能体集成。

一个自主软件工程工厂，编排完整的 AI 代理团队（项目经理、架构师、编码员、QA），以在一个或多个仓库中范围界定、构建和交付复杂的代码更改。

一个 Android APK，将 DeepSeek Harness 打包，通过 Shizuku、无障碍服务和虚拟屏幕创建一个能够控制系统设置、应用和网页的移动 AI 代理。

一个 Python SDK，为与 VideoVector API 交互提供简化接口，用于上传、处理视频内容并执行语义搜索。

一种无需昂贵专有硬件即可提供研究级追踪的免费开源运动捕捉平台。

一个为 AI 代理提供 1,000 多个预认证工具包、会话管理及认证功能的工具集，使代理能够跨多种应用采取行动。

Warp 是一个开源的终端开发环境，内嵌 AI 编码代理（GPT、Claude、Gemini 等），并允许团队定义“Warp Factories”——这是一种可编程的流水线，让代理能自动分类问题、撰写规范、生成代码并审查 PR。客户端 UI 使用 Rust 编写，UI 层采用 MIT 许可，其余部分采用 AGPL-v3 许可。可通过官方二进制文件安装或使用提供的脚本在本地构建，并欢迎加入 Slack 社区参与贡献。

Tesseract 是一个开源的 OCR 引擎和命令行工具，可将图像中的文字转换为超过 100 种语言的机器可读文本。

一个为 Kubernetes 优化的高性能分布式推理服务栈，可跨多种硬件加速器优化大语言模型（LLM）的生产部署。

AI-DLC 是一个结构化、与工具无关的框架，它将 AI 编码助手转变为具有人工审批门控和多阶段生命周期管理的可验证、可审计的软件交付工作流。

一组 Claude Code/Gemini-CLI 插件，将设计知识转化为机器可读的技能和可直接运行的命令，使 AI 代理能够从助手直接执行完整的设计工作流（研究、策略、UI、交互、系统、运营、评审）。

一个高性能代理，将 Google AI Studio 的 Web 协议转换为标准的 OpenAI、Anthropic 和 Gemini 兼容 API，支持多账户管理和高级 AI 功能。

Isaac Lab 是一个基于 NVIDIA Isaac Sim 构建的 GPU 加速开源机器人仿真框架，旨在简化并扩展强化学习和运动规划等机器人学习任务。

Task‑Observer 是 Claude 专属的元技能，可监视你的 AI 会话，记录修正和重复模式，并建议更新或新技能。用户审查建议并安装改进后的技能包，从而实现自我完善的技能库。

一款适用于 macOS 的本地优先多智能体编排桌面应用，可在单一工作区中协调多个 AI 编码智能体 CLI，并为工作区写入操作提供人工审核机制。

一个编码代理技能，可从您的真实项目源代码中自动生成完整的中国软件著作权申请材料（申请表信息、操作手册和代码摘录），本地且免费。它处理官方的30/30页代码规则，生成DOCX/TXT文件，并让您在最终确定前确认每个关键细节——无需支付第三方文档服务费用。

Robin 是一个基于 Streamlit、支持 Docker 的应用，可通过 Tor 搜索暗网，自动过滤和抓取结果，并利用 LLM（OpenAI、Claude、Gemini 等）生成简洁的调查报告和对话式后续问题。支持多种模型提供商，可作为 MCP 服务器运行以集成 AI 代理，并对抓取文本进行安全检查。安装 Tor，提供 API 密钥，运行 Docker 镜像，即可在 localhost:8501 访问 UI。

LTX‑2 是一个基于 DiT 的开源基础模型，可根据文本提示生成同步的音频‑视频。它提供快速蒸馏和高保真 DFR 流水线，支持 4K/HDR 输出，并提供一套组件（文本编码器、视频/音频 VAE、上采样器、LoRA 适配器），附带详细的安装和使用说明。

一个 Node.js 技能，让 AI 代理能够通过基于 JSON 的 CLI，在 Filtmall 市场浏览、比较并购买真实产品，并处理发现、结账、订单追踪及售后服务。

一个开源的 AI 驱动无代码平台，用于构建业务系统，结合可视化界面、AI 编码代理和集成 AI 员工。

一个用于可控视频生成的框架，利用 3D Three.js 代码作为结构指南，以提高 AI 生成视频的空间和运动一致性。

一个用于构建连接到 Muse AI 生态系统的自定义硬件小工具的开源 SDK，支持 ESP32 微控制器和基于 Linux 的设备。

DwarfStar (antirez/ds4) 是一个原生推理引擎，用于在消费级硬件（Apple Metal、NVIDIA CUDA、AMD ROCm）上运行精选的大型语言模型（DeepSeek V4、GLM 5.x、Qwen 3.8）。它提供 CLI、REPL 和 HTTP 服务器接口，支持 SSD 流式传输、多 GPU 和跨机器张量并行、推测解码以及会话持久化。基于 llama.cpp/GGML 的思想构建，它是一个快速变化的测试版，面向本地高端笔记本电脑和工作站。

一款多功能的开源Android图像编辑器，提供批量处理、背景移除和超过500种滤镜效果，且无追踪或专有依赖。

Scenario Agent Skills 是一套包含 71 个模块化 Agent Skills 的集合，让 AI 编程助手（如 Claude Code、Copilot 等）能通过 Scenario 的云端 MCP 平台生成并编辑图像、视频、音频、3D 资产及品牌套件。通过 `skills` CLI 安装并连接至 Scenario MCP 服务器，即可自动化游戏、营销与娱乐产业的创意生产流程。

Fish Speech 是一个开源、由大型模型驱动的文本转语音系统，提供富有表现力的多语言声音克隆、多说话者场景生成，以及即时音频编辑。它提供两个模型——Drama 3（35 B）用于长篇、高保真戏剧制作，以及 S2-Pro（4 B）用于更快速、消费级 GPU 部署——并具备命令行、API 和 Web UI 界面、Docker 支持，以及详细的安装指南。