正在涨的 AI 项目

Rowboat 是一款开源、本地优先的个人 AI 助手，它持续将你的工作（电子邮件、会议、聊天、笔记）索引到可编辑的知识图谱中，然后利用该上下文来起草电子邮件、做会议笔记、浏览网页以及驱动编码代理（Claude Code/Codex）。它完全本地化，默认私有，可与任何模型配合使用，并可选地通过“空间”连接队友——空间是独立开源服务器 Harbor 上的共享房间，每个人的 Rowboat 仅在其自己的上下文中运行，并且只发布用户选择分享的内容。

Terminal-Bench-Science 是一个基准测试，用于评估 AI 代理在生命科学、物理科学、地球科学、数学和工程科学等领域中具有挑战性且由专家策划的研究工作流程上的表现。它提供了排行榜、任务仪表板和贡献管道，以衡量和提升 AI 代理在科学研究中的能力。

该项目将视频制作流程打包为可复用的AI技能，使AI代理（如Claude Code或Codex）能够从一行主题生成完整视频，涵盖研究、脚本、配音、视觉编辑、封面和平台文案。

一款基于网络摄像头的 AI 动作捕捉应用程序，可为 VTubing 和 XR 目的实时驱动 3D 虚拟角色 (VRM/MMD)。

一个端到端的开源机器学习平台，提供构建和部署机器学习驱动应用程序所需的工具和库。

一个经过精选、按语言组织的机器学习框架、库和工具列表，附有额外资源和清晰维护规则。

Knowledge Catalog是一个元数据管理平台，通过创建动态知识图谱，为AI代理提供理解结构化和非结构化数据所需的业务上下文和语义。

一个用于从 Markdown 自动生成主题图像卡片并发布为小红书笔记的工具。

一款专为 Mac 设计的私密自动工作日志，利用 AI 将屏幕活动转化为时序时间线和可搜索的工作历史。

一个包含28个生产级教程的开源合集，用于构建可部署的AI代理，涵盖从编排、内存到部署和安全的方方面面，并附带配套书籍、YouTube频道和社区资源。

一个用于大型语言模型的高性能 CUDA 内核库，专门优化 GEMM 与 MoE 运算，具备运行时 JIT 编译功能，并在 NVIDIA SM90/SM100 GPU 上提供极致吞吐量。

一种使用统一深度-射线表示，从单张或多张图像中预测空间一致的 3D 几何、深度图和相机姿态的模型。

Pi-Harness 是 Pi Coding Agent 的桌面工作区，为原生代理体验增加了可视化管理、运行控制、恢复工具和多代理编排功能。

Llama 是一款轻量级的 macOS 菜单栏应用程序，通过自动根据硬件配置模型并提供本地 API 供其他应用使用，简化了本地 AI 模型的运行过程。

一个拥有 0.1B 参数的多语言、超小型语音生成模型，专为实时 CPU 推理和高保真语音克隆设计。

ZCode Proxy 是一个本地工具，可将 Zhipu AI 编码订阅转换为标准的 OpenAI/Anthropic API 端点，使您能够在任何 AI 驱动的编码工具中使用 GLM 模型。

HelloAgents 是一个用于构建使用 LLM 函数调用的模块化多智能体应用的 Python 库。它提供现成的智能体、工具注册表、上下文处理、RAG/记忆存储、子智能体、流式传输和可观测性功能，并支持 OpenAI 兼容、Anthropic 和 Gemini 服务的适配器。

Chat On Steroids 是一款跨平台桌面应用程序，让您的 ChatGPT 对话能够读写文件、运行指令并自动化浏览器操作。它利用 OpenAI 的 MCP 插件 API，将工作拆分为持久性的“工作者”(workers)，并提供一个循环机制，将目标发送给模型、执行建议的操作并反馈结果。通过提供的二进制文件安装，在 ChatGPT 中配对自定义 MCP 应用程序，加载配套的浏览器扩展，然后输入任务，即可观察模型在您的本地机器上进行编码、测试与迭代。该项目强调负责任的使用，不会规避 OpenAI 的限制，并采用 MIT 授权。

Nanobrowser 是一个开源的 Chrome/Edge 扩展，让大型语言模型在您的浏览器中充当用户。您在侧面板中输入任务；代理会读取页面、点击、输入、切换标签页，并能上传/下载文件。它支持多种云 LLM 提供商和本地模型（通过 Ollama、LM Studio 等），提供询问/自动模式、按站点权限、语音输入、记忆和多任务处理，同时保持 API 密钥和页面数据私密。可从 Chrome 网上应用店安装，或使用 Node 24 和 pnpm 10 从源码构建。

Hojo-TTS-Light 是一系列超轻量级双语语音合成模型，旨在高效运行于 CPU 和边缘设备，同时保持高质量的音频输出。

一个利用 AI Agent 和 Remotion 将中文故事或图像转换为垂直手绘动画的工具，内置 327 种艺术风格的庞大库。

一个使 Claude 能够通过提取关键帧和字幕来观看 URL 或本地文件视频的技能，实现多模态分析。

一款集语音识别、翻译和声音克隆于一体的 AI 多媒体工具，用于自动化配音和多语言内容创作

专为 Claude Code 和 Codex 设计的启动套件，通过结构化上下文收集、可靠性审计和 3D 知识可视化，将 AI 助手转变为个性化的 AI 操作系统

Agent Router 是一个开源的、由 Envoy 驱动的控制平面，提供单一的 OpenAI 兼容 API，用于将请求路由到多个 LLM 提供商或自托管推理集群，并通过 Kubernetes CRD 和 CLI 处理认证、配额、故障转移和使用跟踪。

一个模型上下文协议服务器，为AI助手提供对Google Workspace服务（Gmail、Calendar、Drive、Docs、Sheets等）的自然语言控制，拥有120多个工具、多用户OAuth 2.1和安全部署选项。

利用本地编程代理和可插拔的 HTML 渲染引擎，将文本、文章或 GitHub 仓库转换为动画 MP4 视频的元层。

一款采用 RAG 和语义搜索技术的本地优先 AI 电子书阅读器，帮助用户与其图书馆进行对话并构建私人知识库。

zeroshot 是一个开源 CLI，可让您构建和运行以有向图表示的 AI 代理工作流（编码、审查、修复、交付）。每个步骤可以使用不同的 LLM，并且引擎强制执行审查门控、重试限制和可选的 Git/GitHub 交付。运行记录在 SQLite 账本中，可以在本地、Docker 或通过 zeroshot Cloud 执行。

Kandev 是一个开源控制平面，用于并行编排多个 AI 编码代理，具备看板任务管理、多代理工作流和集成审查工作区。它解决了扩展基于代理的开发的问题，同时让人类保持对交付内容的控制。

包含 14 种专家技能与强制执行层的集合，协助 AI 助理使用 n8n-mcp MCP 服务器构建、验证并部署生产级 n8n 工作流程。

GVHMR 是一个 SIGGRAPH-Asia 2024 的研究代码库，用于从单目视频中恢复世界坐标系下的 3D 人体动作。它结合了视觉里程计（DPVO 或 SimpleVO）与重力对齐的坐标系统，提供可直接运行的演示脚本、Colab/HuggingFace 演示，以及用于在 3DPW、RICH 和 EMDB 上复现基准测试结果的脚本。

一个在 Kaggle 免费 TPU v5e-8 硬件上运行开放 LLM 的工具包，提供公开的 OpenAI/Anthropic 兼容 API 端点，供编码代理使用。

Facet 是一款私有的、自托管的照片管理器，它能从 9 个质量维度对每张图像进行评分，然后提供一个带有筛选、人脸识别、语义搜索、分享链接以及可选的 GPU 加速 AI 的 Web 画廊——所有功能均离线运行，无需云账户。

Mike是一个开源的法律AI平台，结合了Next.js Web界面、Express API、Supabase/Postgres和兼容Cloudflare的存储，让用户可以使用LLM（包括本地Ollama）与法律文档聊天、编辑和审查。它包括Microsoft Word加载项、Gmail/日历连接器以及可重用工作流，全部可通过Docker Compose在本地运行。

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。

ACRYL是一个早期阶段（v0.2.5，MIT许可）的"智能体驱动开发环境"，它可以保持你的项目、上下文和工作持久化，同时允许任何编码代理（如Claude Code、Codex等）作为可替换的工人插入。它具备基于画布的UI、33个代理的目录、带逐操作审批的代理驱动应用控制、基于Cordis的插件系统、可共享的"Blend"环境，以及三种可互换的界面（桌面、本地网页、终端）。它构建在一个固定的、未修改的DeepSeek Harness检出之上，作为其能力基础。

Awesome REA Cases 是一个非官方、积极维护的集合，包含 817 个逆向工程项目、实验和想法，其中像 Claude 和 REA 这样的人工智能工具帮助复活旧设备、重建应用、保存游戏和理解隐藏行为。每个案例都链接到公开证据并说明限制，每天更新六次。

Muesli 是一个原生 macOS 应用，用于设备端听写和会议转录，可选云 LLM 摘要和面向代理的 CLI。

一款面向智能体构建者的桌面应用程序，通过本地优先的数据管理来实现智能体的原型设计、追踪、调试和评估。

NoteGen 是一款本地优先的 Markdown 笔记应用，可捕捉原始想法（文字、语音、截图、链接等），并利用 LLM 将其整理为结构化笔记，同时支持向量搜索知识库、画布图表及可扩展插件。

一个全面的库，用于使用 SFT、DPO 和 GRPO 等技术对基础模型进行后期训练，使其与人类偏好对齐。

DeepEP 是一个用于 Mixture-of-Experts 训练和推理的高性能通信库。它提供 JIT 编译的全对全调度/合并内核、统一的 EPBuffer API、专家复制支持（权重预取和梯度减少），以及实验性的流水线/远程内存原语。专为配备 NVLink/RDMA 的 NVIDIA Hopper（及 Ascend）GPU 设计，使大型 MoE 模型能够在多个 GPU 上高效扩展。

一个与 Claude 兼容的“技能”，提供编写正确 Seedance 2.0 视频生成提示词（字节跳动的多模态模型）的 Markdown 指南。通过将 Markdown 复制到 ~/.claude/skills 或使用 npx skills add 进行安装。指南涵盖了限制、参考语法、镜头语言、提示词结构以及适用于广告、戏剧、MV、教育等领域的模板，内容源自字节跳动官方文档。采用 MIT 授权。

一个高效的预训练框架，允许用户从头预训练 1B 参数的基础模型，同时大幅减少计算与数据需求。

该项目是 Google 的 Nano Banana Pro AI 图像模型精选提示词合集，包含 GitHub 仓库和网页画廊。它包含按类别组织的数千条提示词、带图像的精选示例，并支持 Raycast 动态参数。README 提供统计数据、语言版本和更直观的画廊链接。

一个个人化、技术深度高的博客系列（英文和中文），关于为现代 AI 构建和优化软件基础设施——尤其是强化学习训练系统和推理引擎——由一位活跃的 SGLang 社区贡献者撰写，他关心通过使底层基础设施正确来使研究结论可信。

一个为 MCP 兼容 AI 代理设计的隐身浏览器自动化服务器，可绕过 Cloudflare 等反机器人保护，并提供深度浏览器控制和网络检查功能。