正在涨的 AI 项目

ComfyUI‑H3‑FaceRefine 添加了自定义节点，用于检测、裁剪、重新生成并缝合 MiniMax H3 视频中的微小人脸，修复模型在小头上的表现不佳问题。提供自动与手动人脸选择工作流、稳健追踪、可选切帧检测，并与现有 MiniMax H3 管道无缝集成。

一款开源的光学乐谱识别（OMR）应用程序，可将乐谱图像转换为可播放和编辑的符号化数字格式。

一个快速、语言无关的代码导航器，将代码库索引到 SQLite 中，实现毫秒级延迟的符号查找、依赖追踪和影响分析，适用于人类和 AI 代理。

gflow-cli 是一个 Python CLI（以及可选的 MCP 服务器），通过真实的 Chrome 会话自动化 Google Flow 的 Veo 视频生成和 Imagen 图像生成。它支持批量任务、可复用角色、提示词重写工具，并可将结果传输到云存储。专为开发者和 AI 代理集成设计，目前处于 alpha 阶段，需要带界面的 Playwright-Chromium 浏览器。

一款为 AI 编码代理提供本地可观测性的工具，通过结构化地图或 3D 厨房主题界面来可视化项目进度与活动。

一款用于识别并移除网页项目中通用AI生成设计模式（AI垃圾）的工具与现场指南。

Crabbox 是一个命令行工具，可让您租用临时计算机（云虚拟机、本地容器或任何 SSH 主机），同步您的仓库（包括未提交的更改），运行命令/测试，流式传输输出，并释放该机器。它支持多种提供商、预热复用、桌面/VNC 访问，以及一个可选的协调器，用于共享凭据和支出管理——非常适合 AI 编码代理和跨平台测试。

torchtitan是一个PyTorch原生的库，用于大规模LLM预训练、微调和强化学习，提供可组合的并行性（FSDP、TP、PP、CP、EP）、基于配方的配置，以及对前沿模型和低精度格式的支持。

Pipelock 是一个开源的 Go 代理，位于 AI 代理和互联网之间，扫描出站/入站的 HTTP、WebSocket 和 MCP 流量，以检测秘密泄露、提示注入、SSRF 和其他攻击，并生成加密签名的收据，证明每个允许/拒绝的决定。它提供严格、平衡和审计模式，一个免费的离线证据查看器，以及一个带有 RBAC 和舰队监控的企业仪表板。

通过使用 ReShade 数据模拟必要的 API 调用，使缺乏原生 DLSS 支持的游戏也能实现 DLSS 5 神经渲染的工具。

一个高性能的 Rust 型网络研究工具，专为 AI 代理设计，提供隐蔽抓取、免密钥搜索与爬虫功能，无需 API 密钥。

AgentDock 是一款开源 Go 应用程序，可在每台计算机或服务器上暴露基于 HTTP 的安全托管控制平面（MCP）。它允许 LLM 聊天助手（ChatGPT、Claude、Codex 等）执行文件操作、运行 shell 命令、管理 Git、自动化浏览器和桌面应用，并协调跨多台设备的工作——全部通过单个 AI 对话完成。

一个高性能、地理分布式的联邦元数据湖，为跨多个源和区域的数据及 AI 资产提供统一的访问和治理。

一种简体中文重写技能，可消除生硬、公式化或翻译腔的AI生成模式，使文本更自然，同时保留所有原始事实和技术术语

一个包含187个可安装AI代理技能的综合性库，专为学术研究设计，包含针对Nature风格科学写作和稿件准备的专用工具集。

LingBot‑VLA 2.0 是一个用于机器人的开源视觉‑语言‑动作基础模型。它将多种机器人形态统一为 55 维动作向量，利用 MoE 层与双查询蒸馏（深度 + 未来视频）来学习预测动力学，并在约 6 万小时的机器人与自我中心视频数据上进行训练。该仓库提供基于 conda 的安装方式、下载 6B 参数检查点的脚本、数据准备工具、自定义数据集微调，以及在 RoboTwin 基准测试与真实机器人上的评估。报告显示，在双臂与移动操作任务上，其表现较 1.0 版本有显著提升。

ChatGPT2API 是一个开源的自托管服务，可将 ChatGPT 网页界面转换为兼容 OpenAI 的 REST API，并提供基于 Vue 的管理控制台，用于多账户、代理、配额和资产管理。

LiteReality-Agent 是一个开源流水线，可将手机拍摄的 RGB-D 扫描（通过 LiteReality iOS 应用）转换为完全铰接、支持物理模拟的 3D 室内场景。它能清理布局、推断物体部件、分配质量/惯性、利用 LLM 驱动的图像 API 生成纹理，并导出为 MuJoCo URDF/MJCF、Blender 或 GLB 格式。繁重的 AI 模型在 Modal 的免费 GPU 服务上运行，因此即使是 Apple Silicon Mac 也能使用。在完成基于 uv 的环境设置后，只需一条 CLI 命令（uv run litereality run <scan>）即可完成整个重建过程。

LogoCreator 是一个开源 Web 应用，通过 Together AI 使用 FLUX-2 图像模型生成品牌就绪的 Logo。使用 Next.js、TypeScript、Radix 和 Tailwind 构建，无需账户，只需提供 Together AI 密钥即可运行。功能包括即时生成、FLUX-1 编辑、PNG/SVG 导出、可选的速率限制和认证，以及历史仪表板。仓库提供了清晰的设置步骤，并列出了未来任务，如尺寸选择、成本预览、参考 Logo 上传，以及著名 Logo 重设计展示。

一款 AI 工程师和领域专家协作构建和管理 NLP、LLM 及多模态模型高质量数据集的工具。

一个使用 Firecracker 微虚拟机运行 AI 代理环境的可扩展平台，具备基于快照的快速启动和高密度资源管理功能。

Unity 编辑器的 Model Context Protocol 实现，使 AI 助手能够直接操作场景、资产和编辑器设置。

MuseBot 是一个聊天机器人，它将八个流行的消息平台（Telegram、Discord、Slack、Lark、钉钉、企业微信、QQ 和微信）连接到大型语言模型（如 OpenAI、DeepSeek 和 Gemini），支持图像、文档、语音、函数调用和 RAG，实现 AI 驱动的响应。它可以在本地或通过 Docker 在大约一分钟内部署。

GuideLLM 是一个 Python 库（也可作为容器使用），针对真实工作负载对 LLM 推理进行基准测试。它驱动可配置的流量模式到 OpenAI 兼容或 vLLM 服务器，支持合成和真实的多模态数据集，记录详细的延迟/令牌指标，并输出 JSON/CSV/HTML 报告，用于容量规划和 SLO 验证。

DeepSWE 是一个基准测试，用于衡量 113 个来自真实世界开源仓库的长期软件工程任务上的编码代理性能。

TokenHub 是一个基于 Go 的开源网关，为任何 OpenAI 兼容的 LLM 提供商添加企业级治理（路由、权限、预算和账单对账）。它提供角色感知控制台、OpenAI 兼容 API、SQLite/PostgreSQL 部署选项以及 Docker-Compose 或 systemd 安装程序。

K-Dense BYOK 是一款本地运行的开源 AI 研究助手，旨在帮助科学家分析数据、查阅文献并生成报告，同时维护透明且可验证的实验记录。

Newsjack 是一个开源工具包，可将 LLM 代理转变为公关团队。它提供一组基于 Markdown 的“技能”（例如，角度生成、事实核查、记者查找）和一个小型 CLI，可通过一行脚本或作为 Claude.ai 插件安装。这些技能完全在本地代理（Claude Code、Codex、Hermes、OpenClaw）上运行，并在 Claude.ai 和 ChatGPT 上以有限的一次性模式运行。它面向创始人、机构和营销人员，他们希望获得 AI 辅助的新闻劫持、监控和公关工作流自动化。

一个提供来自 TypeSafe 的 Jev 模型、快速且低成本的类型化判断工具的 MCP 服务器，协助 AI 代理执行高频率的验证与筛选任务。

Brigade 是一个自托管、多智能体AI助手框架。它允许您在本地运行一个由智能体组成的团队，共享持久且可追溯记忆（Tideline），按组织架构图进行组织，并可通过终端UI、WhatsApp、Slack、Discord、iMessage等渠道访问。所有API密钥和数据均保留在您的机器上；您可以接入任意LLM（Claude、OpenAI、Gemini、本地Ollama等），并通过Composio连接1,000多个第三方应用。功能包括技能系统、子智能体分发、cron调度、文档/媒体处理、可选Convex存储和MCP记忆服务器。通过一行脚本或npm安装，完成上手流程，启动始终在线的网关，即可开始聊天。

zerostack 是一个用 Rust 编写的轻量级终端编码代理，支持多种 LLM 提供商。它提供细粒度的权限控制、会话管理、子代理和可选的持久化内存，同时比基于 JavaScript 的代理占用更少的内存和 CPU。

一个包含 31 个 AI 代理技能的集合，用于电影和电视剧本创作，涵盖从小说筛选、故事分析到剧本生成和专业评估的所有内容。

Qualcomm AI Hub Models 是一个 Python 软件包和 CLI 工具，提供了一系列针对 Snapdragon CPU、GPU 和 NPU 预先优化的机器学习模型（视觉、语言、生成式 AI）。它通过 AI Hub Workbench 在真实的 Qualcomm 设备上处理量化、编译和性能分析，并包含用于本地 PyTorch 推理和设备端加速运行时的示例应用程序和演示。

一个用于评估嵌入（embeddings）与检索系统的多模态工具箱，提供标准化的基准测试与排行榜，用于比较模型性能。

一个基于 Linux 的 Home Assistant 语音卫星，可在 x64 或 ARM64 硬件上运行，通过本地唤醒词检测和 ESPHome 协议实现无缝集成，打造自定义智能音箱。它支持设备端唤醒词识别，并提供额外功能的灵活性，同时连接到 Home Assistant 的 Assist 语音系统。

一个现代 POSIX shell 工具集，提供 300 多个模块和 600 多个按需 CLI 工具的标准库，特别优化用于 AI 代理执行系统操作。

X‑VLA 是一个 Transformer 模型，统一了视觉、语言和机器人本体感知，以预测多种机器人类型的动作。它使用可学习的软提示（soft prompts）为每个本体定制共享骨干网络，作为 REST 推理服务器运行，并在 Hugging Face 上提供许多预训练检查点（基础模型和机器人专用模型）。该仓库包含安装脚本、服务器/客户端代码以及针对自定义机器人数据集进行微调的说明。

一个为 AI 编码代理提供的插件，提供关系型知识图谱和专业技能库，用于管理和部署 Vercel 项目。

一款自托管的AI会计应用，通过使用LLM从收据和发票中提取数据，实现费用和收入追踪的自动化。

nnsight 是一个 Python 库，用于追踪、读取和编辑任何 PyTorch 模型（包括 Hugging Face Transformers、Diffusers 和 vLLM）的内部张量。它允许你用简单的 Python 语法干预模型的前向传播，支持梯度捕获、生成步骤钩子、批量提示以及通过 NDIF 进行远程执行，使其对可解释性研究和自定义 LLM 工具开发非常有用。

一种在真实世界条件下具有高鲁棒性、能保留头发和边缘等精细细节的视频人物抠像框架，用于从视频中提取人物。

JADX‑MCP‑SERVER 是一个 Python 服务器，允许 LLM（如 Claude）通过模型上下文协议与 JADX 反编译器通信。它将许多逆向工程操作（获取类源码、搜索、重命名、添加注释、调试信息等）暴露为 LLM 可以调用的“工具”，并包含一个 OpenAI 兼容客户端以便轻松集成。

Polymarket MCP Server 是一个基于 Python 的 MCP 服务器，让 Claude（或任何 LLM）能够自主发现、分析、交易并监控 Polymarket 预测市场仓位。它提供 45 种涵盖市场发现、分析、交易、投资组合管理及实时监控的工具，并由可配置的安全限制与全节点验证机制保护。项目包含网页仪表板、真实 API 测试、MIT 授权，以及针对演示（只读）与实盘交易设置的详细文档。

用于管理多个 AI 代理的命令中心，具备 Kanban 仪表板、自动 Git Worktree 隔离以避免冲突，以及多代理协作功能。

重现 Joseph Weizenbaum 于 1965 年开发的原始 ELIZA 聊天机器人，并在模拟的 IBM 7094 计算机与 Compatible Time-Sharing System (CTSS) 上运行。

一个开源的自动瞄准与火控系统，专为战斗机器人设计，利用神经网络检测与轨迹规划技术，最大化命中率并最小化击杀时间。

Open‑XiaoAI Bridge 是一个服务器端桥接器，让小米小爱音箱能够与外部 AI 服务（OpenAI 兼容 API、OpenClaw 代理、QwenPaw、XiaoZhi）通信。它提供唤醒词检测、VAD、可选离线 ASR、多代理路由、持续对话以及 Docker 就绪的 HTTP API 用于远程播放。配置通过 `config.py` 和环境变量完成；TTS 可使用音箱原生引擎、Doubao 云、OpenAI TTS 或本地 MLX‑Audio 模型。

AAS是一个开源的、基于Docker的多无人机开发框架，支持快速ROS 2模拟（PX4/ArduPilot、Gazebo、YOLO/LiDAR）以及Jetson硬件部署，并提供可选的RL Gymnasium支持。