正在涨的 AI 项目

Hulu‑Med 是一个开源的多模态医疗视觉语言模型，能够处理文本、2D 图像、3D 扫描和视频。 它提供多种模型尺寸（4 B-235 B）、完整的训练代码，并在数十个医疗基准测试中取得了最先进的结果。 该仓库提供易于安装、HuggingFace 兼容的加载以及用于高吞吐量推理的可选 vLLM 服务。

一个精选、可搜索的图库，收录了六场顶级AI/ML会议（2023-2026）的Figure 1/teaser图片，并配有FigureForge，一个浏览器工具，通过CLIP+BM25检索参考图，并使用LLM为您的论文起草出版风格的Figure 1。

MemT-1.0 是一个内存基础模型，它集成了动态局部内存和可训练的超内存，能够在交互过程中持久化并演进信息，且在推理时无需原始上下文。它减少了长历史记录的存储需求，并支持一个基于经验引导的智能体编码框架，提供两种模型尺寸（Nano 和 Flash）。

一个AI驱动的工具包，可实现跨数十个计划的奖励航班搜索、积分与现金对比，以及忠诚度余额管理。

一个开源的深度研究代理，可自动化从网络和本地文档收集信息的过程，以生成详细、事实准确且附有引用的研究报告。

Zotero MCP 是一个集成工具，可将您的 Zotero 研究库连接到 AI 代理和聊天界面，使它们能够搜索、阅读和标注您的学术论文。

用于实时语音代理的流式双脑记忆系统，提供低延迟、个性感知和事实性长期记忆。

一个包含提示词库、代理技能以及 CLI 的工具包，专为 GPT Image 2 和 2.5 设计，旨在简化图像生成、编辑以及从参考图像中提取提示词的流程。

Omnigraph 是一个基于 Lance 列式格式构建的开源图数据库，可在任何兼容 S3 的对象存储上运行。它提供类型化模式、多模态检索（图 + 向量 + 全文）、Git 风格的分支以及基于 Cedar 的安全策略，全部通过类似 Terraform 的 `cluster` 文件进行管理。专为长期运行的 AI 智能体设计，允许多个智能体共享一个版本化的世界模型，并在单个查询中检索上下文。

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。

AstrBot 插件，通过 WebUI 下载、整理并自动收集表情包，支持多包使用规则、语义搜索和云同步。

Khoj 是一个开源的个人 AI 助手，充当第二大脑，让用户能够使用各种 LLM 与自己的文档和互联网进行对话。

一个基于Windows的DSH插件，通过简单的一键界面自动化安装自定义提示规则并管理必要的运行时依赖。

一个由博客系列改编成的书，从基本原理出发教授如何构建AI代理，核心思想是LLM API只是一个无状态的JSON数组，而“harness”是管理该数组的程序。全书通过16章逐步开发一个玩具代理，每章解决一个具体的失败问题。

Flint 是一个由微软支持的开源可视化语言，它允许 AI 代理（通过 MCP 或 JavaScript 库）将简单、人类可编辑的规范转换为跨五个渲染后端的交互式图表，并内置了主题和交互预设。

OpenLore 是一个集中式、受治理的知识服务器，允许多个 AI 代理通过标准 shell 工具和 Model Context Protocol 共享、读取和更新文档。

一款 AI 驱动的工具，通过使用 LLM 将主简历与特定职位描述进行匹配，帮助用户创建量身定制的简历和求职信。

AdCraft 是一个开源的、由 AI 编排的平台，可将文本简报转化为完全可编辑的广告视频。它串联了专门的 AI 代理（创意总监、编剧、角色设计师、分镜师、视频导演、声音导演等），以生成脚本、产品渲染、角色、场景、分镜图像、视频片段、音乐以及最终的合成时间线。用户可以通过可视化画布或自然语言聊天进行交互，编辑任何步骤，从统一素材库中复用资产，甚至可以克隆现有广告以创建新变体。该系统支持多种图像/视频/音频生成模型，并提供现成的角色和场景目录。

CodexHost 是一个桌面扩展，可让您在官方 Codex Desktop IDE 中运行多个 AI 编码代理（Pi、Claude Code、Grok 等），提供统一的 diff 视图、跨代理委派、远程执行和实时使用统计。

一个开源、事件驱动的编排平台，用于数据、AI 和基础设施工作流，通过声明式 YAML 接口统一调度和实时自动化。

gentle‑shell 是一个基于 Pi LLM 平台的终端编码代理。它允许你用自然语言描述任务，通过结构化的“有机驱动开发”工作流编排工作，可以委派给专门的子代理，显示实时的 Git 差异和代理状态，并要求你在提交前批准确切的更改。提供 macOS、Windows 和 Linux 的安装程序，界面可通过命令面板和 `/gentle:customize` 面板进行自定义。

Ultimate Vocal Remover 是一款桌面应用程序，利用先进的 AI 模型从音频文件中提取人声，为高质量音乐源分离提供了一个简单的界面。

Arize Phoenix 是一个用于 LLM 应用的开源 AI 可观测性平台，提供追踪、评估、数据集/实验跟踪、提示词游乐场和 AI 助手（PXI）。它通过 pip/conda 安装，可在本地或 Docker/Kubernetes 中运行，并与主要的 LLM 框架和提供商集成。

一款利用 Snapdragon NPU 加速实现高性能本地 Stable Diffusion 图像生成的 Android 应用。

Vox Director 是一个 AI 驱动的代理技能，可将一行主题转化为短小、Vox 风格的拼贴解说视频（脚本、拼贴关键帧、动画、配音、音乐、字幕）。它运行在 Atlas Cloud 模型和本地 ffmpeg 上，支持 B-录、A-录、C-录和主持人模式，并作为 Claude Code 等编码代理的技能安装。

LlamaFactory 是一个统一的零代码框架，允许用户通过简单的 Web UI 或命令行界面对 100 多种大语言模型进行微调、评估和部署。

RFD4-Proteina 是一个用于设计蛋白质和生物分子复合物的流匹配基础模型。它支持序列-结构协同设计、丰富的条件设置（基序、热点等）、部分扩散和奖励引导搜索，具有快速推理和多种部署选项。

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。

一套标准化的、可安装的技能集合，使 AI 代理能够执行自动化的 SEO、内容营销和文案写作任务。

一系列用于长篇语音识别与合成的开源语音 AI 模型，单次处理能力可达 60-90 分钟音频。

h5i 是一个 CLI 工作区，让 AI 代理可以对 Web 应用进行红队测试（浏览器自动化、HTTP 捕获/重放、爬行），并提供一个 Rust Web 框架（`h5i‑app`），其代码可以转换为 Lean 4，用于安全属性的形式验证。

一个注重隐私的开源 ChatGPT 替代品，允许用户在本地运行 LLM 以保障隐私与控制，或连接到基于云的 AI 服务提供商。

OpenGCUA 是一个开源技术栈，使 LLM 能够充当通用计算机使用智能体。它提供 macOS 真机测试平台、跨设备 Python/Rust SDK 以及八个前沿模型的评估轨迹，在基准分数和效率上显示出显著提升。

FreeToken 是一款边缘原生的混合专家（MoE）推理引擎，可让您在消费级 PC 上运行前沿规模的开源权重模型（例如 2900 亿参数的 MoE 模型）。它结合了 CPU-GPU 协同执行、双缓冲流式处理、语义感知缓存和弹性 VRAM 管理，通过 GUI 或命令行 OpenAI 兼容 API 提供快速、低延迟的推理。

一个全面且注重实践的学习仓库，旨在引导初学者和开发者掌握具身智能的基础知识与高级技术，涵盖从仿真到真实机器人部署的全过程。

一款人工智能驱动的命令行工具，可自动完成从侦察、漏洞扫描到报告生成的整个漏洞赏金生命周期。

DeepSeek Harness 生态系统的一个插件，提供集中式界面，用于浏览、组织、安装和更新跨多个本地及项目目录的 AI 代理技能。

一个Model Context Protocol (MCP) 服务器，可让AI助手通过自然语言命令在KiCAD中自动化PCB设计。

一个专业的 HTML 演示文稿工作室与 AgentSkill，使 AI 代理或用户能够创建无需构建的静态幻灯片，并提供数十种主题、布局和电影级动画。

一个用于在隔离沙盒中编排 AI 编码代理的 TypeScript 库，可自动化容器管理与 git 分支合并。

一份在两台 NVIDIA DGX Sparks 上使用 TensorFold 服务 DeepSeek-V4.1-Flash-1017 模型的配方，包括量化、推测解码和 OpenAI 兼容 API。

一个为 AI 编码代理提供持久项目知识、治理和风险驱动质量门禁的项目上下文与工程控制平面。

Compound Engineering 是一款跨平台插件，为 AI 编码代理提供 36 项技能，以运行结构化的“头脑风暴 → 规划 → 执行 → 简化 → 审查 → 复合”循环，并持久化学习到的见解，用于未来的 AI 驱动开发。

一个以隐私为先的个人知识管理系统，采用基于块级 Markdown 编辑、双向链接和 AI 集成，帮助用户组织和检索信息。

一组设计模板和视觉规则，使AI代理能够生成一致、高质量的数据可视化、幻灯片和报告。

vLLM‑Omni 是 vLLM 推理引擎的开源扩展，为多模态模型（文本、图像、音频、视频和动作）添加了快速、可扩展的服务。它支持自回归和扩散风格架构，提供全双工实时 API，可在 GPU、NPU 和其他加速器上运行，并附带许多流行 Hugging Face 模型的现成配方。该项目是生产级的，采用 Apache-2.0 许可，并得到文档、Slack 社区和近期技术报告的支持。

一个自定义的 Swift 和 Metal 推理引擎，通过从磁盘流式传输模型专家，允许在 8 GB Apple Silicon Mac 上运行 260 亿参数的 Gemma 4 模型。

面向 OpenAI 的编码助手 Codex 的示例插件精选集，每个插件都包含必需的清单文件和可选的技能/配置文件，通过市场目录分发，覆盖 Figma、Notion、iOS/macOS/Web 应用开发以及 Expo 等工具。