正在涨的 AI 项目

MLC LLM 是一个通用的部署引擎和 ML 编译器，能够实现大型语言模型在不同硬件和平台上的高性能原生执行。

一个声明式 YAML 框架，通过封装 SQL 来创建可审计、版本控制的仪表板和报告，并专门针对人类审计者和 AI 代理进行优化。

DuckLake 是一个 DuckDB 扩展，通过将元数据存储在关系型目录中、数据存储在 Parquet 文件中，实现开放的湖仓格式，支持基于 SQL 的更新、时间旅行和模式演进。

一套基于 Node 的 Anthropic Claude Code 插件（mods），用于提供性能分析、上下文分析、时间轴快照、循环检测、固定笔记和模型工作量可视化功能。每个插件均可通过 Claude 市场安装，并包含单元测试和 TypeScript 类型检查。

Qt AI Skills 是一个打包“技能”的仓库，让基于 LLM 的编码助手（Claude Code、Codex CLI、GitHub Copilot、Gemini 等）通过标准化的 SKILL.md 格式执行 Qt 特定任务——代码审查、文档生成、测试创建、性能分析和设计到代码转换。该仓库还提供了一个小型 MCP 服务器，用于快速查询 Qt API。这些技能可直接安装到支持的 AI 工具中，让 Qt 开发人员在不离开 AI 辅助工作流的情况下获得确定性、Qt 感知的自动化。

Funplay MCP for Cocos 是一个 Cocos Creator 编辑器扩展，它嵌入了一个 HTTP MCP 服务器，使 AI 助手（Claude、Cursor、Copilot 等）能够通过 JSON‑RPC 在场景或编辑器中运行 JavaScript、检查资源、捕获截图并自动化工作流程。

RSIAgent 是一个研究级、无需训练的框架，它让大语言模型（LLM）通过探索数字环境实现递归式自我改进。三个智能体（课程、执行者、验证者）运行一个先广后深的自我改进循环，将提炼出的程序存储在持久记忆中，并在下游任务中冻结使用。该仓库包含完整的 OSWorld-V2 和 Agents' Last Exam (ALE) 基准集成、设置/验证/批量执行的脚本，以及架构和结果的文档。

一个实时网络摄像头应用，通过检测面部表情和手势来触发匹配的迷因叠加，支持在视频会议中使用的虚拟摄像头。

一个轻量级反向代理，可将 Command Code API 请求转换为 OpenAI 和 Anthropic 兼容格式，并内置设备指纹识别和内存管理功能。

DeepAnalyze 是一个开源、智能体式 LLM（80 亿参数），可以运行整个数据科学工作流——清洗、分析、建模、可视化和报告生成——无需人工干预。该仓库提供模型、500K 指令数据集、即用型演示（Web UI、Jupyter UI、CLI）以及 OpenAI 兼容 API，全部可通过 vLLM 部署。

一个将 OpenAI Codex 适配到 Agent Client Protocol 的 Node-JS 服务器，通过 ACP 标准化的请求/响应格式公开 Codex 的代码生成能力，并支持高级 AIR 扩展、子代理会话和丰富的 I/O。

一款多功能的AI驱动工具，利用各种大语言模型和翻译服务将书籍和文档转换为双语版本，同时保留原始文件格式。

一系列 Python 示例代码与文档，为初学者提供学习自动驾驶车辆控制算法与软件架构的技术指南。

通过结构化分析和蓝图设计流程，将业务文档和研究数据转换为高密度、可编辑的咨询风格 PowerPoint 演示文稿的 Codex Skill。

一个 Claude Code 插件（技能）市场，包含一个生产级强化的元技能（`skill-creator`），可帮助你构建、验证和打包新技能，以及数十个现成的技能套件，涵盖文档、macOS/iOS 开发、金融数据、GitHub 运维和 Claude Code 高级用户工作流。

一个 AI 视频提示词分析工具，可逆向工程现有视频以提取提示词，帮助创作者复制和改编成功的 AI 视频风格与脚本。

用于决策树的高性能梯度提升库，提供对类别特征的原生支持和快速的预测速度。

专为家庭和办公室监控设计的自托管、仅限本地运行的 NVR 和 AI 计算机视觉软件，支持对象和人脸识别。

一套专为 AI 代理设计的技能与工具，用于处理法国会计、税务和行政官僚事务。

一个可扩展的 Kubernetes 调度器，可为大规模 AI 和机器学习工作负载优化 GPU 资源分配和公平性。

PageLM 是一个开源 AI 教育平台，可将文档和讲座笔记转换为测验、抽认卡和 AI 生成的播客等交互式学习工具。

TE MAN 是一个全面的 ComfyUI 插件，新增无限画布工作流、提示增强节点（Qwen、MiniMax H3）、音视频编辑、3D 导演面板、资产库和聊天助手“构想台”。它支持本地扩散模型和云 API，面向希望在单一 UI 中完成图像、视频和音频生成的艺术家与提示工程师。

用于本地 MCP 服务器的标准化打包格式和工具链，使 AI 工具能够一键安装到桌面应用程序中。

一个基于 Firecracker microVM 的平台，为 AI 代理提供持久且安全的沙箱，以实现安全的代码执行。

一个浏览器原生的、本地优先的幻灯片编辑器，利用 Web AI 和 WebGPU 提供无需后端的 AI 驱动幻灯片生成、翻译和演示工具。

CubeStudio 是一个开源、MIT 授权的云原生 AI 平台，涵盖完整的 MLOps 生命周期——从数据摄取与多模态标注，到基于笔记本的开发与拖放式工作流，再到分布式训练（包括大模型微调）与零代码推理服务。它运行于 Kubernetes 之上，支持多种国产加速器（GPU、NPU、vGPU），提供多租户资源调度、计算市场、内置计费及全面的监控功能。

一个Claude Code / Copilot插件市场，为AI代理提供构建、验证和管理Power BI/Fabric模型、报表和自定义视觉对象所需的知识和自动化能力。

tiny-vllm是一个从零构建并附带逐步教程的高性能LLM推理引擎的C++和CUDA实现。它专注于服务Llama 3.2 1B Instruct，具有连续批处理、PagedAttention和CUDA优化内核等功能。

vLLM-Moet 提供优化的 vLLM 镜像和补丁，通过实现自定义内核、高效 KV 缓存和 2-bit 专家量化，在 Blackwell (SM120) 消费级 GPU 上运行前沿的混合专家 (MoE) 模型。

一份详细的指南和工作系统，用于将 AMD BC-250 加密货币挖矿板转换为快速的本地 AI 服务器。它解锁了 GPU 的全部 40 个计算单元，实现了基于 Vulkan 的 LLM 推理（速度高达 129 tok/s），并增加了诸如 Signal 聊天机器人、图像生成和网络监控套件等自主工具。

一套开源 AI Agent 技能集，可自动化微信公众号从选题、写作到 HTML 排版与发布的全流程。

一个在 PyTorch 和 TensorFlow 中的深度学习架构与模型实现集合，为各种类型的神经网络提供可执行的 Jupyter Notebooks。

XGrammar 是一个开源库，为 LLM 添加约束解码，确保 JSON、正则表达式、自定义文法等结构的 100% 结构正确性，且几乎零开销。它跨平台、跨硬件、跨语言运行，是 vLLM、SGLang、TensorRT-LLM、MLC-LLM 等主流推理引擎的默认结构化生成后端。

LLMs_interview_notes 是一个中文的、按主题组织的 LLM 算法岗位面试题库，包含 800+ 道题，涵盖 RAG、Agent、RL 后训练、GraphRAG 等。每道题采用三部分结构（一句话答案、深入解释、可能的追问），并带有难度评级。它面向面试候选人、转行者和面试官，并包含 126 个开源的详细解答。

一个与提供商无关的代理技能，帮助开发者设计、审计和重构生产安全的代理型框架和运行时。

一款面向 Milvus 向量数据库的 AI 原生管理工具，提供数据探索、集群监控和 AI 驱动的管理的可视化界面。

一个用于具身智能（Embodied AI）端到端开发的模块化高阶库，用于训练和评估在室内环境执行任务的智能体。

Anthropic 的 Claude Code CLI 的泄露源代码存档，一个可在终端中使用的 AI 编程助手，支持文件编辑、命令执行和 git 工作流管理。

一个开源流程，通过将原始 talking-head 录制转换为精美的视频，并利用 AI 生成的视觉、音频清理和自动上传，实现 YouTube 视频编辑的自动化。

一个 ComfyUI 工作流与概念验证，通过受控扩散重建技术替换带有水印的像素，从而移除 AI 图像中的 Google SynthID 水印。

DeepLearning.AI Agentic AI 课程的综合中文学习资源，提供翻译内容、结构化知识拆解和详细代码分析，帮助用户构建自主 AI 智能体。

tract 是 Sonos 基于 Rust 的推理引擎，可加载 ONNX/NNEF/TFLite 模型，进行优化，并在 CPU、Apple Metal、NVIDIA CUDA 或 WebAssembly 上运行。它支持用于低延迟任务的流式（脉冲化）推理，提供 Python 绑定，并采用 Apache 2.0/MIT 许可证。

一个由桌面应用、CLI 和 AI 代理技能组成的规范驱动开发工具，可视觉化跟踪和管理规范、变更提案和任务。

M-3LAB/awesome-industrial-anomaly-detection 是一个由社区维护的精选列表，涵盖制造业中基于 AI 的缺陷检测的研究论文、基准和代码。它按方法类型（无监督、有监督、零样本/少样本等）组织该领域，列出带有代码的最先进方法，并按会议跟踪最新出版物。它还重点介绍了一些重要资源：AD-Copilot（一个据称在真实检测任务上超越人类的 AI 助手）、用于评估多模态语言模型的 MMAD 基准，以及 IM-IAD 基准。该仓库是一个参考索引，而非教程——它指向论文和代码，而不是解释方法本身。

一套学术写作最佳实践合集，以及一个自动化 LaTeX 检查工具，旨在帮助研究人员避免在会议论文投稿中常见错误。

一组模块化技能，供AI编码代理使用，用于自动化视频制作、竞争性内容分析、macOS系统管理和大学申请规划等任务。

一个可扩展的 Python 工具包，用于分析单细胞基因表达数据，支持超过一百万个细胞的数据集的预处理、聚类和轨迹推断。

一种将感知与轨迹优化整合到单一网络中的学习型单阶段规划器，用于在密集障碍物环境中实现敏捷无人机导航。