一個支援 AI 驅動的集群分析與故障排除的 Kubernetes Operator，具備針對特定工作負載失敗的自動修復功能。

一個 Swift 庫，用於在應用中整合多種 AI API，支援可選的安全代理後端以保護 API 金鑰並管理速率限制。

一個提供 LLM 讀寫存取權限的 MCP 伺服器，使其能管理 Airtable 資料庫中的記錄、模式與留言。

一種可擴展的非同步強化學習框架，用於 LLM 代理，透過飛行中權重更新最大化 GPU 使用率，同時保持線上策略資料的新鮮度。

一個為 Google 的 Gemma 模型設計的輕量級、獨立的 C++ 推論引擎，採用極簡且 CPU 優化的實作，專為研究與實驗而設計。

針對NVIDIA DGX Spark的高性能服務堆疊，支援DeepSeek-V4-Flash，具備連續批次、推測解碼與大上下文視窗記憶體管理功能。

一種用於 LLM 的快取管理框架，透過持久化 KV 快取並實現稀疏注意力檢索與儲存-運算分離，顯著降低推論延遲與 GPU 記憶體使用量。

一個使用元件、Flexbox 排版與反應式狀態建構互動式終端使用者介面（TUI）的 Vue 原生框架。

一個用於 RAG 管線的框架，透過對五種內在品質指標進行評估，自動為每個文件選擇最佳的分塊策略。

Google 生成式 AI、Gemini API 與 Vertex AI 服務的 LangChain 結合的中央集合。

Aider 的 Emacs 結合，為 Emacs 編輯器帶來 AI 對夥程式設計與自動程式碼編輯功能。

基於 PaddlePaddle 的生產級 LLM 與 VLM 部署工具組，提供高效能推論與廣泛硬體相容性。

一個用於 PyTorch 的 Python 函式庫，提供高效載入、前處理與增強 3D 醫療影像的工具。

一個為 JAX 設計的神經網路函式庫，在保留 JAX 純函數轉換的同時，實現了物件導向的模型定義。

一個純 Julia 的機器學習框架，提供輕量級抽象，讓使用者能以原生 GPU 與自動微分支援來建構與訓練模型。

Cube Studio 是一個為數據科學與 AI 提供的一體化開發環境，專注於在整個開發生命週期中提供一致的環境。

基於Rust核心並提供16種語言綁定的高性能量、無損HTML轉Markdown轉換器，專為處理現實世界中不規範的HTML而設計。

LlamaDeploy 是一個用於部署和提供 AI 工作流的工具，但目前已棄用，並改由 llama-agents 取代。

Acme 是一個用於強化學習的研究框架，為開發和測試 RL 演算法提供可擴展的構建模組與基準代理程式。

一個針對 NVIDIA Hopper 和 Blackwell GPU 優化的、高性能的混合專家模型 (MoE) 實作，旨在降低記憶體使用量並提高訓練吞吐量。

Qwen 3.8 的最小 PyTorch 重實作，提供易讀的程式碼庫與 int4 量化支援，便於模型部署。

stable-pretraining 是一個基於 PyTorch Lightning 的基礎模型研究框架，透過字典驅動設計、即時評估回呼、GPU側增強與 SLURM 級編排，簡化 SimCLR、DINO、MAE、CLIP 等自監督、監督與多模態預訓練流程，附帶實驗性 JAX 後端。

一個 C++ 函式庫，提供 SIMD 內建函數的統一包裝器，以加速不同 CPU 架構上的數值計算。

用於 Intel® Core™ Ultra CPU 上節能 AI 推論加速的 Intel® NPU Linux 核心驅動程式。

一種硬體外掛，使vLLM能夠在Kunlun XPU上運行，提供最佳化核心並支援廣泛的LLM和多模態模型。

專為行動與邊緣裝置優化之輕量級多模態LLM推論引擎，支援多種NPU與GPU，並具備先進量化功能。

一個結合樹狀提升、高斯過程與混合效應模型的軟體函式庫，用於處理非線性關係及空間或分組效應等資料依賴性。

一個用於 AI 應用程式的執行階段安全平台，可偵測提示注入、管理令牌預算，並阻止機器人與敏感資料外洩。

一個用於建構大型人口模型（LPM）的 GPU 優化平台，可模擬數百萬個相互作用的代理，以建模複雜的社會動態。

Web Neural Network API 的 W3C 規範，為 Web 應用程式存取機器學習模型的硬體加速提供標準化方式。

一個實用的 Python 套件，實現 CMA-ES 及其變體，用於連續、整數與分類變數的黑箱優化。

一個完全從零開始構建的純 Python 機器學習庫，專為教育目的設計，提供核心 ML 算法的透明實作與自動微分引擎。

一個透過 MCP 提供 AI 編碼助手深層程式碼庫上下文、記憶與導航工具的語義程式碼搜尋與符號智慧系統。

使用 C#/.NET 原生編寫的高性能 LLM 推理引擎，為 Transformer 模型提供原生的 CPU/GPU 支援，無需依賴 Python 或 llama.cpp。

一個 MLOps/LLMOps 排程與編排工具，可在本地與雲端資源上自動執行機器學習實驗，無需任何設定。

一個自動化機器學習框架，允許使用者透過現成的預設或建構自訂管道，針對表格、文字、影像與時間序列資料建立 ML 模型。

一個開源智慧維運（AIOps）代理平台，將可觀測性、事件追蹤和任務執行整合到受控的 AI 驅動 IT 維運工作流程中。

一個基於 Go 的工具，用於解析 GGUF 模型中繼資料，並在無需下載完整檔案的情況下估算記憶體使用量和效能。

一個在共享 GPU 上高效部署多個 AI 模型的高性能系統，透過超快檢查點載入與 GPU 多路複用，實現高效的無伺服器推論。

一個使用純 Mojo 編寫的高性能 Llama 2 推論實現，利用 SIMD 和向量化技術來優化 CPU 效能。

基於靜態分析的決定論、本地優先記憶與治理系統，為 AI 編碼代理提供程式碼庫方向感與安全變更保障。

一個 Claude 技能，可衡量並降低程式碼中的循環複雜度，使人工智慧生成的邏輯更具可維護性與人類可讀性。

一個由社群驅動的 Cursor AI 編輯器插件目錄，可自動偵測元件並使用 AI 代理對提交的插件進行安全掃描

AMD 提供的高性能機器學習原語函式庫，為 ROCm 支援平台上的深度學習提供最佳化內核。

一個將 Supermemory 容器暴露為本地檔案系統或虛擬 bash 環境的工具，讓使用者與 AI 代理程式可以利用標準 Unix 工具與語義搜尋來進行記憶管理。

一個開源的 AI IDE，讓開發者能在並行環境中運行多個程式碼代理，為每個任務提供隔離的 git worktree 和環境。

一個本地控制平面與執行封裝，用於程式代理，強制執行策略門控、風險等級路由與證據基礎驗證，以實現更安全的代理工作流程。

一種集中式的 AI 代理防護系統，可在不修改代理程式碼的情況下，強制執行執行時安全規則，阻止提示注入與 PII 外洩。