正在涨的 AI 项目

Awesome Data Agents 是一个经过策划、基于调查的阅读列表，将基于 LLM 的数据代理分为六个自主级别（L0–L5），按任务类型（数据管理、准备、分析）组织论文，并包含基准、教程和 KDD Cup 2026 竞赛。

Image To Slice是一个Figma插件（带有Web UI），使用AI将UI截图分割为可编辑的图层和图像资产，然后将结果导出为Figma文件或HTML/CSS捆绑包。它支持自动AI切片、手动JSON模式、背景修复、资产分类和可配置的OpenAI兼容后端。

一个精选的开源TTS和语音生成模型列表，按发布日期排序，包含比较表格和详细条目，涵盖语音克隆、语言支持、流式传输和许可等功能。

Fonoster 是一个开源平台，用于构建在真实电话线上运行的 AI 驱动语音代理。它提供多租户 PBX 功能、CLI、TypeScript/Python SDK，以及内置的语音转文本、文本转语音和 LLM 服务（例如 OpenAI）集成。您可以使用 YAML *Autopilot* 文件声明式创建机器人，或通过 WebSocket 会话以编程方式创建。该技术栈可自托管（Docker），旨在成为语音 AI 应用的 Twilio 开源替代方案。

一个用于智能渗透测试和 CTF 场景的多代理协作框架，可自动化漏洞发现和攻击链执行。

一个由社区运营的免费具身智能（机器人）职位推荐列表，汇集了来自公司、实验室和大学的长期及滚动招聘信息，并提供学习资源和职业支持。

一个为越狱 iPhone 设计的 MCP 服务器，使 AI 代理能够通过触摸手势、应用管理及系统级访问来控制设备。

一个全面的、为期14周的开源课程，涵盖自然语言处理的整个范围，从基础词嵌入到现代LLM系统和AI智能体。

MORT 是一款适用于 Windows 的实时屏幕翻译工具，它使用 OCR 从游戏中提取文本，并通过各种机器翻译服务进行翻译。

这是一系列可运行、可直接复制粘贴的示例集合，旨在展示如何使用 SpaceXSI SDK 构建 Grok 应用程序。内容涵盖了从将文章转换为播客、创建语音代理到对 X 进行实时情感分析等多种场景，每个示例都完整地教授一个核心概念。

一个精选的工具、标准和资源目录，用于规范驱动开发（SDD）——即先编写规范以指导AI辅助编码的实践。它将分散的SDD生态系统组织成规范工具、框架和IDE集成等类别。

Awesome-LM-SSP 是一个手动维护、社区可编辑的资源集合，包含超过 2600 项关于大型 AI 模型（包括多模态模型）安全性、安全性和隐私性的资源（主要是研究论文）。它将论文组织成 26 个子主题，并带有视觉徽章，维护一个主电子表格以进行更新，并通过 GitHub issue 接受新条目。

Delta Lake 是一个开源存储框架，为数据湖带来类似数据仓库的可靠性（ACID 事务、可序列化并发），并与 Spark、Flink、Trino 和 Hive 等引擎协同工作。它使用事务日志协议，保证表的向后兼容性，并要求存储系统提供原子可见性、互斥和一致的列表。该项目使用 SBT（Java 17+）构建，采用 Apache 2.0 许可证，并通过 Slack、LinkedIn、YouTube 和邮件列表提供社区支持。

vLLM 的配方中心：它收集、合并、验证并发布社区编写的关于在特定硬件上运行 AI 模型的说明，每 20 分钟自动更新网站和 JSON API。

一个免费的10小时、多级别课程，教授将GitHub Copilot作为AI编程伙伴使用——涵盖Agent模式、多种语言、CLI使用、云部署和真实项目。需要GitHub账户和有效的Copilot订阅。包含动手挑战和社区支持渠道。

一个由GitHub策划的目录，收录了制造业、能源、石油和天然气等行业的190个工业数据集。每个条目详细说明了数据的领域、格式、支持的机器学习任务、标注、来源、访问位置、规模、年份和许可证——帮助研究人员和工程师为机器学习项目找到合适的真实世界数据。这是一个目录，而非数据托管平台；条目链接到原始来源。

一个包含超过 250 个模块化工具的综合目录，旨在扩展 Claude 的能力，以执行编码、文档编辑和自动化研究等复杂任务。

本项目是一个精心策划和组织的机器人基础模型研究论文与资源目录，涵盖了视觉-语言-动作模型和世界动作模型，旨在厘清各种机器人控制与学习方法之间的联系。

MONAI框架的教程和代码示例集合，演示如何为医学影像任务构建、训练和部署深度学习模型。

一个用于设计和测试海洋控制系统的 MATLAB 和 GNU Octave 库，具备 6-DOF 船舶模型以及完整的制导、导航与控制 (GNC) 功能。

Perch 是一款基于 AI 的语义代码检查 CLI 工具，它扫描代码，调用决策模型 API 推理潜在缺陷，并返回带有置信度排序的问题列表。它支持自定义自然语言规则，兼容多种模型提供商，并可集成到 CI 和助手工具中。

一个开源的云架构图生成器，可以通过简单的英语 AI 提示词或 Terraform 代码创建专业的 AWS、Azure 和 GCP 架构图。

Cortex 从单一项目配置中，将 API 规范和 Markdown 转换为类型化 SDK、交互式文档和 AI 代理用 MCP 服务器。

一个全面的跨平台小智 AI 助手客户端，支持跨移动设备、桌面端和 AI 硬件终端的实时语音与文字交互。

InspireSkill 是一个代理原生 CLI 和工具包，允许 AI 编码助手在 Inspire 计算平台上自主管理资源、作业和工作流。

Vidu S 是一个用于实时、交互式视频生成和直播流编辑的研究系统。Vidu S1（540p）对语音命令作出响应；Vidu S2（720p）增加高分辨率角色、参考图像编辑和 VR 用立体输出。速度得益于自回放强制训练和 TurboDiffusion/TurboServe 推理优化，在消费级 GPU 上实现 25–42 FPS。项目提供在线演示、REST API 和代理技能，支持完整中英文文档及 arXiv 论文。

ChatArchiveGuard 是一个纯 Python CLI，可在本地扫描聊天导出文件（文本、JSON/JSONL、SQLite）以查找秘密/PII 模式、格式错误和 SQLite 完整性，报告聚合计数和覆盖标志，而无需修改或上传数据。

一个类似 htop 的 GPU 和 AI 加速器任务监控工具，可在多个硬件供应商之间实时可视化监控利用率、温度和功耗。

trellis.cpp 是 Microsoft TRELLIS 2-4B 图像到 3D 管线的 C++ GGML 实现。它将单个图像（或 Stable Diffusion 生成的图像）转换为完全纹理化的 GLB 模型，完全以原生 C++ 运行，并支持可选的 GPU 后端（CUDA、Vulkan、ROCm、Metal、Qualcomm HTP）。它提供 CLI、基于 Tauri 的桌面 UI（Trellis Studio）以及用于编程使用的 HTTP 服务器。该仓库包含完整管线（背景移除、三个流变换器阶段、VAE 解码器、网格提取、QEM 抽取、UV 展开和 WebP 压缩 PBR 纹理），并附带预构建二进制文件和 GGUF 模型文件。

一套面向 CUDA 开发者的参考样本集合，展示 CUDA Toolkit 在 C++ 和 Python 中的功能。

一个允许用户运行自己的服务器以实现多设备访问和集中式数据存储的自托管 AI 角色扮演聊天平台。

为 ComfyUI 设计的可视化提示词和 LoRA 辅助套件，面向动漫 AI 艺术，包含 40,000+ 艺术家、角色和服装的可搜索数据库。

一个自动化视频生成工具，可生成脚本、使用本地语音克隆合成语音，并匹配相关视频片段，实现同步的逐字字幕。

TurboVLA 是一个用于机器人操作的紧凑型视觉-语言-动作模型，通过 DINOv3 和 BERT 直接融合视觉和文本输入，并预测连续的动作块。它在 RTX 4090 上以 32 Hz 运行，显存使用量 < 1 GB，在 LIBERO 上成功率 97.6%，在 RoboTwin 2.0 上成功率 88%。该仓库提供了安装脚本、训练/评估命令和预训练检查点。

一个将 Jellyfin、Plex 或 Emby 的数字媒体库转化为可步行、怀旧的 VHS 和 DVD 租赁通道的 3D 虚拟视频商店。

WeSight 是一款 Obsidian 插件，集成了本地 AI 代码助手（Claude Code、Codex、OpenCode），支持聊天、内联编辑、Git 同步以及中国社交媒体发布，同时确保大部分数据保留在本地设备上。

一个精选的开源AI代理技能目录，用于增长黑客、营销和收入运营，分为14个主题类别，涵盖从SEO和电子邮件到付费媒体和应用商店优化的所有内容。由enso.bot编辑，仅链接到外部开源资源，并通过拉取请求接受社区贡献。

NVIDIA 推出的系列开源生成式 3D 世界模型，能从单张图像或视频生成 3D 与 4D 场景。

agterm 是一款极简的 macOS 终端，它将 shell 分组到命名的工作区中，并暴露完整的控制 API（`agtermctl`），供脚本和 AI 代理创建会话、输入命令、拆分窗格、运行叠加层以及读回输出。它集成了可选的 Claude/Codex 技能，使代理能够管理自己的布局并报告状态，并支持在重启后恢复实时会话。以签名应用形式分发，适用于 Apple 芯片 Mac，也支持通过 Homebrew 安装。

一个轻量级、高性能的文本分块库，适用于 RAG 流程，提供多种切分策略，并与向量数据库和嵌入提供商有广泛集成。

一个用于构建联邦 AI 系统的框架，能够在各种机器学习框架和设备上实现去中心化的模型训练。

一个 Model-as-a-Service（MaaS）平台和库，提供统一接口用于发现、推理和微调跨多个领域的数百个最先进 AI 模型。

Everywhere 是一个基于 .NET 10 和 Avalonia 构建的跨平台桌面 AI 助手（Windows/macOS），通过可访问性 API 捕获屏幕上下文，并支持通过全局快捷键调用 LLM（OpenAI、Anthropic、Gemini 等），返回包含 Markdown 的丰富回答。功能包括浏览器/文件/终端代理、丰富 UI、多语言 UI 和本地 Ollama 模型支持。项目开源，遵循 LICENSE，提供安装程序、便携式 zip 和完整构建说明。

阿里巴巴开发的高性能 LLM 推理加速引擎，针对生产规模部署优化吞吐量和延迟。

Company Research Agent 是一个 FastAPI + React 应用，输入公司名称后，它会自动通过网络搜索（通过 Tavily）、对来源进行评分，并使用任何兼容 OpenRouter 的 LLM（或 OpenAI/Gemini）生成结构化的、有来源支持的简报，实时流式传输到界面，并可导出为 PDF。支持可选的 MongoDB 持久化和 Docker 部署。

LitGPT 是一个高性能、无抽象层的工具包，用于在企业规模下预训练、微调和部署超过20种流行的LLM。

一个API服务和浏览器扩展套件，用于从豆包、Dola和通义千问聊天对话中提取无水印的图像和视频。

一个经过严格质量检查的精选 RSS 订阅源集合（718 个订阅源，16 个 OPML 包），并配套一款支持 AI 摘要、翻译、播客播放和 FreshRSS 同步的 macOS 阅读器应用。