正在涨的 AI 项目

SnapOtter 是一个基于 Docker 的开源平台，提供 200 多种文件处理工具（图像、视频、音频、PDF、通用文件），并具有本地 AI 能力，如 OCR、背景移除、放大和转录。它完全在本地运行，通过 Web UI、REST API 或管道提供，是众多 SaaS 转换器的隐私优先替代方案。

Vibe 是一款跨平台桌面应用，使用 Whisper 等模型在本地转录音频/视频，支持多种语言，提供导出格式、摘要、翻译、说话人识别功能，并可通过 GUI、CLI 或 HTTP API 进行操作。

super-board 是一个智能体软件开发框架，通过将编码任务路由到由 AI 驱动的构建、测试和审查通道，实现编码任务生命周期的自动化。

Microsoft Agent Framework 是一个开源 SDK，用于在 Python、.NET 和 Go 中构建生产级 AI 代理和多代理工作流。它提供与提供商无关的 LLM 访问、基于图的编排、中间件、OpenTelemetry 可观测性、声明式 YAML 代理、技能集成，以及轻松托管在 Azure 或 Microsoft Foundry 上。

FastGen 是一个基于 PyTorch 的框架，通过提供一套蒸馏和训练工具来加速生成式 AI 模型，从而减少高质量图像、视频和音频生成所需的步骤。

一个面向中国市场的开源 TradingAgents 框架分支。它增加了七个分析师智能体（包括政策、热钱和解禁专家），将交易规则适应 A 股特性（T+1、涨跌停、交易单位），并使用免费数据源（mootdx、腾讯、东方财富、新浪、同花顺）。两层 LLM（快速和深度）驱动流程：分析师 → 多空辩论 → 研究经理 → 交易员 → 三方风险辩论 → 投资组合经理，生成中文投资报告。通过 `pip install -e .` 安装，在 `.env` 中配置 LLM 提供商，并通过 Streamlit Web UI 或 CLI 运行。包括性能跟踪命令，可计算相对沪深 300 基准的方向准确率，无需额外 LLM 调用。

AutoRAG Agent 是一个基于 Node 的本地运行 RAG 系统，可将您的计算机变成一个可搜索的知识库。它使用 BM25 和内置嵌入模型索引文件（PDF、Office、HWP、图像等），支持多种外部聊天源，并以带编号引用的方式回答自然语言问题。它提供 CLI、交互式终端 UI、桌面 Electron 应用和 TypeScript 库，强调隐私（数据不离开机器）和易用性（无需设置向量数据库）。

一个由大型语言模型（LLM）驱动的平台，通过自然语言提示将 PDF 和图像等非结构化文档转换为结构化 JSON 数据。

Repomix 是一个将整个代码库打包成单个 AI 友好文件的工具，保留结构并统计 token 数量，使开发者能够轻松地将大型代码库提供给 ChatGPT 或 Claude 等 LLM 进行分析、审查和重构。

CosyVoice 是一个先进的基于 LLM 的文本转语音系统，旨在实现高质量、零样本的多语言语音合成和声音克隆。

AutoGen 是一个已归档的微软库，用于构建多智能体 LLM 应用程序（Python/.NET）。它提供 Core、AgentChat 和 Extensions API，以及一个无代码的 Studio UI。通过 pip 安装，运行简单的“Hello World”、网页浏览或多智能体示例，但对于任何生产或长期项目，请迁移到积极维护的 Microsoft Agent Framework。

Models.dev 是一个开源的、社区贡献的 AI 模型规格、定价和功能数据库，并提供 API 访问数据。它填补了 AI 模型信息单一事实来源的空白。

一个高性能、多语言的 PDF 工具包，用于文本和图像提取以及 Markdown 转换，专为 RAG 流程和 AI 助手优化。

一个以本地优先为核心的工作台，用于在 Cursor 和 Claude Code 等多种 AI 编码工具之间管理与分发 AI 提示词、技能及编程规则。

一个自动演化框架，利用 AI 代理根据失败分析，迭代优化 AI 代理系统与工作流的提示词、配置和代码。

开源Python CLI/库，以0-100分制评估网站的AI可见性（ChatGPT、Perplexity、Gemini、Claude、Google AI），并生成具体修复方案（robots.txt、llms.txt、JSON-LD、meta标签）。包含16个命令、CI/GitHub Action支持、MCP服务器工具、Astro集成和Python API。MIT许可，可通过`pip`或零安装`uvx`安装。

PR Lens 是一款自动化工具，可为 pull request 生成交互式、动画化的架构与数据流图，帮助开发者快速理解代码变更。

Oh My PPT 是一款基于 Electron 的桌面应用，利用生成式 AI（文本和图像模型）来创建、编辑和导出演示幻灯片。它完全在本地运行，支持近乎完整保真度的 PPTX 导入/导出，提供丰富的 HTML 编辑器，支持拖放、动画、LaTeX 和 AI 生成的图形，并可连接本地 Ollama 或任何兼容 OpenAI 的服务。

一个工具输出代理，可拦截 AI 代理的命令行调用，为红队测试和防护机制绕过评估提供伪造或修改的响应。

一个设计驱动的框架，用于生成专业且可编辑的 PowerPoint 演示文稿，通过 PPTX 到 PNG 的视觉验证循环确保高质量交付。

OneBox 是一款多合一 Android 工具应用，利用 AI 智能体控制 100 多种本地工具，使用户能够通过自然语言指令执行复杂任务，同时确保隐私安全。

一个可自托管的开源工作区，集成了聊天、任务管理和知识库工具，并支持AI代理，具有受控的审批工作流和对模型上下文协议的支持。

Desktop Commander 是一个 MCP 服务器，使 AI 助手能够直接在您的计算机上执行本地文件管理、运行终端命令以及进行数据分析。

Open Intelligent UI 是一个开源演示，重现 ChatGPT 的“智能 UI”– 即 LLM 生成的交互式回答（地图、照片、行程、仪表盘）。它基于 OpenUI 生成式 UI 标准构建，提供 TypeScript 组件库、59 个内置函数、有状态输入，并可针对 OpenUI Cloud、任何与 OpenAI 兼容的 API 或本地 Ollama 模型运行。

Fabric 是一个开源的 Go 框架，将 AI 提示词组织成可重复使用的“模式”，用于摘要、代码解释和内容生成等任务。它提供统一的 CLI、REST API 和 Web UI，支持数十种 LLM 提供商（OpenAI、Anthropic、Azure、Bedrock、Ollama 等），并提供每个模式的模型选择、国际化和通过自定义模式进行扩展。

开源工具，利用Whisper转录、基于LLM的高光评分器和自动裁剪（API或本地模式），将长YouTube视频转化为可病毒式传播的竖屏Shorts。

一个为 ComfyUI 设计的专业导演控制台，通过可视化时间轴与多片段管理，简化使用 MiniMax H3 模型进行长视频生成的流程。

一份精心策划的 AI API 中转服务评估和推荐指南，帮助用户找到稳定且经济高效的服务提供商，同时避免模型稀释和不可靠平台等常见陷阱。

easyeda‑agent 是一款面向 EasyEDA Pro 的 AI 驱动自动化工具。您可以用自然语言描述电路需求，AI 即可创建库、原理图、PCB 布局、布线、丝印调整以及完整的 DRC/DFM 检查，并通过官方 `eda.*` API 将结果写回 EasyEDA 项目。

Meilisearch 是一个开源、快速的搜索引擎，通过简单的 REST API 提供全文、语义和混合搜索。它可以用作托管云服务或自托管二进制文件，支持错字容错、过滤、分面、地理位置搜索、多租户以及 AI 集成（MCP、LangChain、对话式搜索）。

一个基于 DeepSeek Harness 的开源桌面工作台，将 AI 代理能力整合至原生桌面环境，并内置运行环境与插件生态系统。

uniTerm 是一款跨平台桌面终端，支持 30 多种协议（SSH、RDP、SFTP、数据库、Kubernetes、Docker 等），并内置 AI Agent，可通过 Anthropic 或 OpenAI 兼容模型自主规划和执行多轮 shell 命令。基于 Go（Wails v3）和 Vue 3 构建，支持 Windows、macOS、Linux 和 Android，提供分屏工作区、云同步、主题，并以 Apache 2.0 许可发布。

一款自动化歌词动态工具，利用 860 个模块化动画组件库，从歌词和音频生成动态文本音乐视频。

MediaPipe 是 Google 推出的开源框架，用于构建快速、设备端运行的机器学习流水线（称为图）。它提供了现成的解决方案，如手部追踪、姿态估计、目标检测、文本和音频分类器，并允许开发者将这些方案集成到 Android、iOS、Web、桌面或其他边缘设备中。

Nango 是一个开源平台，通过处理超过 1,000 种服务的身份验证、API 代理和执行逻辑，简化了产品集成的构建与管理。

FaceFusion 是一个开源的命令行平台，用于运行和管理脸部处理任务（如交换、滤镜），支持批处理、无头模式和基准测试，专为具备技术背景的用户设计。

一个命令行界面，使人类和AI智能体能够通过安全、结构化的API与钉钉企业服务（如日历、文档和任务）进行交互。

PaperSpine5 是一款人工智能驱动的研究助手，可自动化完成学术论文写作的全过程，包括文献综述、草稿撰写、图表生成以及最终文档格式化。

Codex Security是OpenAI支持的CLI和TypeScript SDK，可扫描代码库的安全问题、验证发现、生成补丁、起草SECURITY.md策略，并与CI/CD（GitHub Actions、Docker）集成。它支持深度并行扫描、多提供商LLM后端，并以SARIF/JSON/CSV格式导出结果。

一个双语、分步教程，教你 LLM 推理的理论和代码，引导你从零构建一个迷你 sglang 引擎，然后深入探讨真实 SGLang 项目的高级优化。

OC Ferry 是一款跨平台的 Electron 托盘应用，可自动发现免费的 OpenCode 模型，验证它们能否遵循 WorkBuddy 的工具调用 JSON 封装，缓存结果，并将兼容条目写入 WorkBuddy 的 `models.json`。它还运行一个本地 OpenAI 兼容端点（127.0.0.1:41980），将 WorkBuddy 请求转发到这些模型。无需登录或 API 密钥；该应用捆绑了隔离的 OpenCode 运行时，并处理并发探测、缓存以及模型条目的安全导入/导出。

Audio Studio MCP是一个本地服务器，让Claude Code和其他MCP客户端能够使用Stable Audio 3在设备上生成和编辑音乐或音效。它适用于Apple Silicon（MLX）或带有NVIDIA GPU的Windows，无需云API，并返回可直接使用的WAV/OGG/FLAC以及可复现的JSON元数据。

Zeron 是一款以本地优先为核心的 AI 编码代理管理工具，让您能够在多台设备和服务器上运行、控制并选择性地同步您的编码会话。

ClawBench是一个开源基准测试，用于评估AI浏览器代理在真实世界在线任务（旅行预订、订餐、求职申请等）上的表现。它包含两个语料库，共281个任务，覆盖163个实时网站，每次运行记录5层跟踪，并使用基于LLM的评估器对结果进行评分。通过`pip install clawbench-eval`（或`uv tool install`）安装，配置模型评估器，并使用`clawbench` CLI在Docker/Podman内运行任务。结果显示在HuggingFace排行榜上，框架可扩展以支持新任务或代理。

BaoCode 是一个为 Claude Code 设计的快速原生桌面 UI，它通过内置 IDE、目标管理和远程 SSH 支持提供了一个可读性更强的界面，使 Claude Code 的使用比纯终端更加便捷。

一个用于浏览器自动化和端到端测试的综合 Python 框架，简化了复杂的网页交互，并提供隐身模式以绕过机器人检测和验证码。

Chopin 是一个研究原型，通过将富文本文档与仓库上下文及 AI 驱动的规划代理相连接，实现人机协作编写技术文档。

Continue 是一个开源编程代理，可通过 CLI、VS Code 扩展和 JetBrains 插件使用，旨在协助开发人员进行编程。