正在涨的 AI 项目

一个全面的提示词工程库，提供结构化的风格、布局和调色板系统，帮助用户为各种创意和商业应用生成一致且专业的高质量AI图像。

一个用 Rust 编写的轻量级、高性能无头浏览器引擎，旨在作为 Puppeteer 和 Playwright 的直接替代品，以极低的资源占用驱动 AI 代理和网络爬虫。

一种编码代理技能，通过视觉风格探索过程，从头开始或通过转换 PowerPoint 文件来创建出色的单文件 HTML 演示文稿。

Docling是一个开源Python库/CLI，可将多种文档类型（PDF、Word、幻灯片、电子表格、HTML、电子书、音频、视频、电子邮件等）解析为统一的结构化表示。它提取布局、表格、代码、公式、图像和语音转文本，然后导出为Markdown、HTML、JSON、DocLang、DocTags等。专为生成式AI工作流设计，提供与LangChain、LlamaIndex、Crew AI、Haystack的即插即用集成，并支持本地执行以处理隐私敏感数据。

onetake 是一个与 Claude 兼容的 AI 技能，用于生成单次拍摄的产品发布或演示视频。它将 UI 重建为 HTML，使用测量过的运动原语库，添加逼真的运动模糊和基于房间的声音，并通过 oracle 自动评分连续性。可通过 git clone 安装，适用于 Python、Node，并可选用 Whisper/TTS 进行旁白。非商业用途免费；商业用途需付费的 Pro 许可证。

OpenMAIC 是一个开源平台，使用多个 AI 代理将任何主题或文档转变为互动课堂。它可以自动生成幻灯片、测验、模拟和配音，将课程存储在 PostgreSQL 中，并与许多 LLM 提供商和代理工作台集成。使用 Node 22、pnpm 和 Docker-Postgres 在本地安装，或通过 Docker Compose 进行生产部署。

DigUp 是一款 macOS 应用，使用开源的 EmbeddingGemma 2 多模态模型（通过 llama.cpp 在本地运行）来索引并语义搜索图片、PDF、文档、音频、视频及可选的源代码内容。查询通过全局快捷键输入；结果会打开文件于精确的时间点或行数，同时所有数据皆保留在设备上。

一个开源的 AI 网关，为超过 100 个 LLM 提供商提供统一的、兼容 OpenAI 的接口，简化了生产应用程序的集成与管理。

一个工具注册表与代理服务，让 AI 代理能通过单一 Token 访问数千个精选 API 与 CLI，无需订阅多个供应商。

一个跨设备的开源工作台，允许用户从任何移动或网页客户端管理、监控和控制在其本地工作设备上运行的 AI 代理。

ARTEX 是一个开源、由大语言模型驱动的自主渗透测试平台。它结合了 Go 后端、嵌入式 Next.js 界面和 PostgreSQL，以维护全局资产图和每个任务的探索图。代理（规划器 + 工作器）迭代生成意图、运行真实安全工具、记录每一步，并将结果反馈到图中。该系统提供丰富的仪表板、来自 ScopeSentry 的资产同步、审批门控、自更新二进制文件以及多种部署选项（Docker、一键脚本、跨平台发布）。根据 AGPL-3.0 许可，它仅用于本地学习和研究。

将该项目解释为微软云倡导者提供的免费21课课程，涵盖其结构、主题、要求和受众——全部基于README。

一套 CLI 工具集，让 AI 代理能通过 Windows COM 自动化控制 WPS/Microsoft Office、Zotero、Adobe Illustrator 和 Photoshop。

一个将本地 AI、离线 Wikipedia 和教育课程整合到单一管理 Docker 环境中的离线优先知识与教育服务器。

一个实用程序，可廉价地存储多个 Claude Code OAuth 登录，按需或按可配置的使用阈值自动切换，并显示每个账户的 5 小时和 7 天速率限制窗口的实时使用仪表板。

XiaoZhi ESP32 是一个开源固件，可将基于 ESP32 的板卡变成语音交互式 AI 聊天机器人。它捕获音频，使用 ESP-SR 进行唤醒词检测，通过 WebSocket 或 MQTT/UDP 流式传输到云端 LLM（Qwen/DeepSeek），并返回 TTS 响应。该设备还运行 MCP 协议来控制外围设备和智能家居操作，支持多种板卡、网络选项、多语言 UI、说话人识别和可自定义资源。

KiviDB 是一个基于 Rust 的 Redis 兼容内存数据库，它利用所有 CPU 核心并内置了全文搜索和向量 (ANN) 搜索功能。它提供极高的吞吐量（32 核上达到 2100 万 GET/s）和亚毫秒级延迟，非常适合需要快速键值访问及嵌入向量相似度搜索的 AI 工作负载。它支持可选的 Lua 脚本、TLS 和标准的 Redis 持久化，并可通过 Docker、Linux 软件包或预编译二进制文件进行部署。

Indra OCR 是一个 1 M 参数的纯 CPU OCR 模型，可将 PDF 和图像转换为带详细布局框的 Markdown、纯文本或 JSON。它每秒可处理多达 49 页（每页约 230 ms），在 OmniParseBench 基准测试中得分 62.1，在速度和许多准确性指标上优于 Tesseract 和 PaddleOCR。该包提供 CLI、Python API 和本地 Web 查看器，支持拉丁文、西里尔文、希腊文、天城文、孟加拉文和中文 OCR，以及通过 PDF 文本层支持任何文字。可选的 `--math` 标志添加 LaTeX 风格的数学提取。模型约为 18 MB ONNX，采用修改后的 OpenRAIL-M 许可（免费用于研究和初创公司），代码采用 Apache 2.0 许可。

Omnira是一个开源、可自托管的平台，用于在任何LLM模型和任何机器上运行AI智能体。它提供了REST API、TypeScript SDK和CLI来启动智能体、流式传输事件和处理审批。功能包括模型无关支持、内置和自定义工具、可复用技能、持久内存、子智能体、多租户RBAC、调度以及与Slack、Discord、GitHub、webhooks等的集成。你可以通过Omnira Cloud试用它，也可以使用Docker Compose在本地运行；Apache 2.0许可的代码将所有智能体数据保存在你自己的Postgres中。

Sub2API 是一个使用 Go 和 Vue 构建的 AI API 网关平台，旨在帮助开发者管理和分配多个 AI 模型提供商的订阅配额。

一份持续更新、MIT 许可的生产级 AI 系统设计与 AI 工程面试参考指南——涵盖 RAG、智能体、模型选择、评估、安全以及 20 个真实案例研究，并附有 147 道面试题库。

一个无向量、基于推理的 RAG 引擎，它用分层树索引取代了向量数据库和分块，从而提高了长篇、复杂专业文档的检索准确性。

Oil UI 是一种 AI 代理技能，用于生成和迭代网站及应用程序的独特 UI 设计概念，使用户能够根据特定的品牌需求比较和优化布局。

Odysseus 是一个自托管的 Web 应用，将聊天、自主代理、研究、文档编辑、电子邮件、笔记、任务和日历整合到一个 AI 驱动的工作区中。它通过 Docker Compose 运行，支持本地或 API 语言模型，并以 AGPL-3.0 许可证发布。

一种将专业领域知识和工作流程打包为可移植文件夹的标准化开放格式，AI 代理可按需加载以获得领域专业知识。

一个精选的托管模型上下文协议（MCP）服务器目录，允许您通过URL将AI代理连接到外部工具，无需本地安装或运行时管理。

一个高保真文档解析工具，可将 PDF、图像和 Office 文件转换为结构化的 Markdown 或 LaTeX，支持多层级质量级别和 AI 代理使用的稳定定位器。

GVS5H 引入了基于账本的零样本自编排技术，这是一种无需训练的方法，通过共享文件系统让同一语言模型的多个实例分解并解决编程问题。在 LiveCodeBench 的困难任务上，它使 Qwen3.8-27B 等开源权重模型的准确率从 66.8% 跃升至 92.4%，以极低的成本接近或超越了更大的专有模型。

dsh-web 是一个模块化插件生态系统，通过 npm 模块为 DeepSeek Harness 的 Web UI（及桌面客户端）提供任务自动化、移动端远程控制、Web-SSH、Git 工作树隔离、Token 使用仪表盘、视觉皮肤等功能，安装便捷。

一个为 AI 代理设计的插件，可将来自 URL 或本地文件的视频转换为带有时间戳的帧与逐字稿，以进行视觉分析。

Whisper 是 OpenAI 开发的基于 Transformer 的开源语音转文本系统，可处理多种语言的转录、语言识别和翻译。它作为一个可通过 pip 安装的包发布，提供六种模型大小（tiny → large，以及快速的 “turbo” 版本）。通过 CLI (`whisper …`) 和简单的 Python API (`whisper.load_model(...).transcribe(...)`)，只需少量命令即可将音频文件转换为文本。该项目运行在 Python 3.8-3.11 和 PyTorch 上，并且需要 ffmpeg（可选需要 Rust 用于分词器）。所有代码和模型权重均采用 MIT 许可。

Franco 是一款运行在您本地机器上的外呼销售代理，它使用您现有的 Claude Code 或 Codex 订阅，无需支付额外的模型 API 费用。它可以查找或导入账户、撰写或发送经批准的电子邮件序列、审查回复，并记录每一条事实及其来源。

一个Claude Code技能，将英语改写为简化技术英语（ASD‑STE100），使代理之间的消息明确无误。它标记结构性STE违规，提供严格和宽松模式，并可显示差异或规则解释。通过`npx skills`安装或克隆，然后要求它简化工具描述、错误消息或提示。MIT许可。

Answer me with HTML是一个基于Node.js的技能，可让LLM代理将简短的Markdown草稿转换为完整的、可离线查看的HTML页面（或解说视频）。通过自行处理SVG、CSS、布局和图表生成，模型只需编写手写页面所需令牌的约1/8，从而降低成本和延迟。它支持多个代理（Claude Code、Codex、Cursor、DeepSeek Harness），提供三种内置主题、写作风格检查器、真实代码包含，以及为每个代理结论自动创建页面的“始终开启”模式。

goose 是一个开源、通用的 AI 代理，提供桌面应用、CLI 与 API，帮助进行编码、研究和自动化，支持多家 LLM 提供商。

一个开源、纯 Rust 重新实现的 Adobe After Effects，用于动态图形和视觉效果，具备原生 Lottie 支持和用于 AI 代理控制的 MCP 服务器。

RAGFlow 是一个开源的检索增强生成平台，为大型语言模型（LLM）添加了智能体推理能力。它支持多种文档类型的导入，创建可搜索的嵌入，并支持可配置“思考”深度的多步检索。功能包括基于模板的分块、知识编译（维基、图谱、思维导图）、基于引用的回答以及可插拔的 LLM/嵌入模型。可通过 Docker 或从源码本地部署；也提供托管的云版本。采用 Apache-2.0 许可证，并得到活跃社区的支持。

PaddleOCR 是一个开源 OCR 和文档 AI 工具包，可将图像或 PDF 转换为结构化、LLM 就绪的文本、表格和 Markdown/JSON。它提供多语言场景文本模型（PP-OCRv6）和轻量级视觉-语言模型（PaddleOCR-VL、PP-StructureV3），具备业界领先精度、快速 CPU/GPU 推理能力，并支持从 Docker 到浏览器 SDK 的多种部署方式。与 Dify、RAGFlow 等 RAG 平台集成，可作为构建 AI 代理和检索增强生成流水线的数据引擎。

AIHOT 是一个开源、基于 Docker 的框架，用于从各种源抓取数据，使用 LLM 进行过滤、评分、翻译和摘要，将其聚类为事件，并根据源多样性进行排名，以生成每日/每周/每月的新闻摘要。所有提示词、阈值和选择逻辑都位于仓库中，使得将演示 AI 新闻源替换为任何行业的源并重新品牌化网站变得容易。

一个开源的 AI 驱动游戏工作室，将设计、资产生成、编码和游戏测试整合到单一画布应用程序中。

一个包含 33 个交互式等距线框 UI 图形的库，可响应指针移动，专为轻量级集成到 Web 应用中而设计，并支持 AI 辅助生成。

Beacon 是一个用于 AI 编程代理的开源内存层，它能够捕获跨多个工具的会话历史记录，使开发人员能够在不同的编码环境中复用调试模式和工作流程。

OmniVoice 是一个覆盖 600 多种语言的基于扩散的零样本 TTS 模型。支持语音克隆、属性驱动语音设计和自动语音生成，推理速度极快（RTF ≈ 0.025）。通过 pip 安装，使用 `OmniVoice.from_pretrained` 加载模型，调用 `model.generate`（或使用提供的 CLI 工具）。可选的 FlashInfer 内核可带来 2–3 倍加速。仓库包含训练脚本、Gradio 演示和 Colab 笔记本。

一个包含 398 个模块化技能和插件的综合库，旨在为 AI 编码代理提供跨 13 个平台的工程、商业和合规领域的专业知识。

一款使用 Real-ESRGAN 和 Vulkan 技术，无损放大并增强低分辨率图像的免费开源 AI 图像放大器。

headcount 是一个开源库，它将 AI 代理技能打包成公司式部门（例如安全、营销、财务）。每个部门都是一个插件，包含按需加载的命名技能，让您可以构建模块化、专家驱动的 LLM 工作流。通过 Claude Code 或 ChatGPT 安装，然后直接提问或调用 `/department:skill`。该仓库提供 16 个部门、172 项技能，以及一个用于浏览的交互式组织架构图。

一个生成式、代码渲染的音乐视频系统，利用音频分析和three.js创建确定性的、单词同步的视觉效果，可导出4K60。

一款由AI驱动的英语听力与口语训练应用，通过内置的间隔重复机制，自动化实现精听、跟读、复述的科学训练闭环。