一個面向 Kubernetes 的開放測試平台，允許工程團隊直接在其集群基礎設施中執行、編排和分析任何自動化測試。

一個將軟體倉儲轉化為代理就緒工作區的工具，透過安裝倉儲協定與結構化文件，引導 AI 編碼代理進行高效協作。

一個基於 PyTorch 與 fastai 的最先進深度學習函式庫，支援時間序列任務，包括分類、回歸與預測。

一個高效能的卡坦島（Settlers of Catan）模擬器與 AI 玩家，專為執行大規模模擬與訓練強化學習代理人而設計。

一個基於 MCP 的 Unreal Engine 插件，透過命名空間-分發模式將超過 1,400 個編輯器操作暴露給 AI 助手，以最小化上下文視窗使用量。

一個非官方的 Electron 封裝程式，將 Paperclip 這個 AI 代理程式編排平台轉變為一鍵安裝的桌面應用程式，讓安裝與啟動更加簡便。

一個基於貝葉斯方法，利用觀測資料估計模擬器參數後驗分佈的 Python 套件。

一款由 AI 驅動的輕量級 Kubernetes 儀表板，透過視覺化介面、AI 輔助故障排除及基於 MCP 的工具執行來簡化集群管理。

一個用於 MongoDB 的開源後端，無需編寫後端程式碼即可即時生成帶有內建身分驗證功能的 REST、GraphQL 和 WebSocket API。

一個讓人類能像 AI 模型一樣被調用的工具，提供 OpenAI 相容的 API 介面，使 AI 客戶端或代理可以將人作為「模型」來呼叫。

一個用於在 JAX、PyTorch、NumPy、MLX 和 TensorFlow 之間進行陣列形狀與資料類型型別註解與執行時型別檢查的程式庫。

使用 Rust 編寫的完整 ML SDK 與應用套件，專為 Apple Silicon 所設計，利用 Metal GPU 與 ANE 實現訓練、微調與推論。

一個基於 Nix 的配置框架，為 Model Control Protocol (MCP) 伺服器提供可重現、宣告式的部署與即插即用的套件。

一個Python庫和CLI工具，透過Peak API自動發現Cloudflare Turnstile網站密鑰並產生有效權杖，以繞過安全挑戰。

一個大規模開源中文語料庫專案，旨在收集並提供總計253TB的多樣化網際網路文字與多模態資料，用於訓練大規模AI模型。

一系列稱為「powers」的專用工具集與工作流程，用於擴展 AI 代理在雲端基礎設施、DevOps 與軟體開發任務中的能力。

一個可投入生產環境使用的 AI 網關，提供統一、OpenAI 兼容的介面，用於跨多個 AI 提供商的路由、監控與多租戶管理。

一個用於機密AI的開放框架，允許在硬體隔離的機密虛擬機中部署AI應用程式，並提供加密隱私保證。

一個透過評估模型比較同一受限創意簡報下生成的短篇故事，來評估 LLM 創造性寫作能力的基準測試。

一個 VS Code 擴充功能，將各種國內中國 LLM 提供者和自訂 API 相容模型整合到 GitHub Copilot Chat 中。

一個實作 Model Context Protocol (MCP) 的多資料庫伺服器，為 AI 助手提供對多個資料庫引擎的結構化與安全存取。

一個 Kubernetes operator 與代理，簡化 AI 模型的部署與擴展，並使用前綴感知的負載平衡來優化 LLM 效能。

一個開源的代理式遙測系統，可攝取 OpenTelemetry 數據並將雜訊訊號分組為事件，以便於生產環境的除錯。

一個以 CLI 為先的 AI 程式碼代理編排層，允許使用者同時在多個模型上執行任務，以比較觀點並減少盲點。

一個用於已驗證 GUI 自動化的框架，能將人類示範編譯為確定性程式，讓 AI 代理能夠在沒有 API 的應用程式中執行任務，並保證驗證。

Ludwig 是一個宣告式深度學習框架，讓使用者能透過 YAML 設定檔，而非繁雜的 Python 程式碼，來訓練、微調與部署 LLM、 多模態 與表格型 AI 模型。

面向 AWS 的 AI 可編程無伺服器內容平台，允許開發人員使用 TypeScript 建置與擴展 Headless CMS 及網站生成器。

一個跨平台桌面小工具，可即時追蹤 Claude.ai 使用統計、限制和支出，並帶有視覺警報。

基於 JAX 的可微有限元素套件，透過 GPU 加速模擬實現自動逆向設計與機制數據科學。

Model Context Protocol 的官方 Ruby SDK，讓開發者能建構 MCP 伺服器與用戶端，向 AI 主機公開工具與資源。

EdgeBench 是一個包含 134 個真實世界任務的基準，旨在評估自主 AI 代理如何透過與環境的長期迭代互動來學習與改進。

一個用於評估 LLM 透過分析日誌、指標和追蹤等遙測資料執行根本原因分析能力的基準與基線代理。

一個精心整理的開放資料集集合，包含超過 6.02 億個細胞的資料，旨在加速虛擬細胞模型的建立。

以 C++ 編寫的高精度 Game Boy 模擬器，內建 MCP 伺服器，支援 AI 輔助除錯與 ROM 破解。

一個工具，透過從目標 Pod 鏡像流量、檔案和環境變數，在即時 Kubernetes 叢集中執行本機程序。

一款為 GitHub 儲存庫提供保守型 AI 維護機器人，可自動化問題/PR 審查、程式碼修復與受控自動合併，以減輕維護者的工作量。

一種聯邦式、以網域為錨點的規範，用於編目和發現跨網路的代理資源（如 MCP 伺服器、技能和 API）。

用於 onnxruntime 函式庫的跨平台 Go 封裝，允許 Go 開發人員載入並執行支援硬體加速的 ONNX 格式神經網路。

一款專為 NVIDIA GPU 設計的 GPU 加速機器學習庫，提供 scikit-learn 風格的 API 和對現有 CPU 工作流程的透明加速模組。

LiveBench 是一個無污染的 LLM 基準測試，透過每月更新的問題與客觀的地面真值 (ground-truth) 答案，提供可靠的性能評估。

一套用於處理 IBM 的 Granite 時間序列基礎模型進行預測的實用工具、筆記本與部署元件集合。

Ceres Solver 是一個用於建模與求解大型、複雜的非線性最小二乘法與一般無約束優化問題的 C++ 函式庫。

CUDA Tile IR 是 NVIDIA 開發的基於 MLIR 的編譯器基礎設施，引入了專用於分塊導向 CUDA 內核的方言。它提供 C++ 與 Python API、二進位位元碼格式，以及將 MLIR 轉換為位元碼或 cubin 的工具，支援針對 NVIDIA Tensor-Core 單元的高效能內核。此專案基於 LLVM/MLIR，與 CUDA Toolkit 13.1 對齊，並包含一致性測試套件。這是一個真正的 AI 相關編譯器專案，而非教學或清單。

一個基於 ggml 的 C++ LLM 推理引擎，支援 RAG 與量化，能實現高記憶體效率的多模態模型本地執行。

一個基於 WASM 在瀏覽器中本地執行的、注重隱私的無伺服器線上文件編輯器，支援在瀏覽器中編輯 Word、Excel 與 PowerPoint 檔案。

交易、DeFi與量化金融的68個即用型代理技能集合，使AI代理能執行市場分析、回測與鏈上研究。

一個在 Cloudflare 上自架設的無伺服器代理型 CMS，可將內容發布至網站、RSS 與 JSON 訂閱源。

ReVa 是一個 Ghidra MCP 伺服器，讓 AI 模型能與逆向工程工具互動，使 LLM 能執行深入的二進位分析與自動化，同時降低幻覺產生。