一個為 AI 編碼代理提供規劃與執行能力的層，透過嚴謹的設計與審查工作流程，將高階請求轉化為結構化計畫與並行化的 PR。

一個統一的多模態後端，將資料庫、編排與服務層整合至單一 Python 檔案，用於 AI 數據應用。

PyTorch C++ API（libtorch）的 Rust 綁定，讓 Rust 可以使用 PyTorch 的張量運算與深度學習工具。

一個互動式終端 JSON 查詢工具，提供即時輸出與 AI 驅動的 jq 查詢輔助。

一個基於 Go 的漏洞掃描與利用工具，專為 Spring 框架設計，透過 MCP 與 AI 代理整合，實現滲透測試的自動化。

一個用於混合搜尋空間黑盒最佳化的 Python 函式庫，為超參數調整與工程設計提供了一個統一的介面，可存取 23 種無梯度演算法。

一個針對 RAG 優化的雙語與跨語言嵌入及重排序框架，專精於中英文之間的高效能檢索。

一個專注於模組化配置與 SFT、RLVR 及評估快速迭代的大規模語言模型輕量級訓練框架。

一個允許 AI 助手在 Windows 上透過程式控制 Adobe Photoshop 的 MCP 伺服器，可建立文件、管理圖層並套用效果。

一個開放式 AI 應用框架，專為網路安全開發人員設計，用於在資料中心中建構即時 IP 流量檢查與威脅偵測的優化流程。

專為安全執行 AI 代理而設計的強化、精簡 Linux 運作系統，具備專用編排守護程序與可重現的鏡像建構。

一個用於地理空間機器學習的 Python 庫，提供工具以取得向量資料、將區域劃分為微區域，並嵌入至向量空間。

一個 PostgreSQL 擴充，實作 BM25 排名演算法與 Block-WeakAnd 索引，提供原生、高效能的全文搜尋與相關性評分。

一個 Visual Studio Code 外掛程式，整合 Azure Machine Learning 服務，協助使用者將機器學習模型建置、訓練並部署至雲端或邊緣裝置。

pi CLI 與 DeepSeek Harness 的動態狀態列擴展，提供 AI 代理工具使用、進度與內部推理的即時可見性。

一個開源的 AI 代理執行環境，透過提供本地且私密的工作空間，將 AI 代理轉變為個人 DNA 專家，用於分析原始基因組資料。

Enzyme 的 Julia 綁定，這是一個在 LLVM 上運行的、可為優化後的代碼提供高效梯度計算的高性能自動微分工具。

用於測試 NLP 與 LLM 模型穩健性、偏差、公平性與安全性的綜合性評估工具。

一個提供 GUI 和 MCP 伺服器的 Java 線程轉儲與堆分析工具，用於診斷死結、效能問題和虛擬線程釘住。

一個輕量級、可移植的純 C99 ONNX 推論引擎，專為嵌入式設備設計，並支援硬體加速。

一種專為 LLM 寫作設計的程式語言，使用結構化參考取代變數名稱，並強制要求 SMT 證明契約以確保正確性。

TorchX 是一個適用於 PyTorch 應用程式的通用工作啟動器，可讓使用者在 Kubernetes、Slurm、Docker 與本機環境中啟動工作。

一個 AI-as-a-Service 平台，可透過 REST API 與完整的管理儀表板來建立和部署 RAG 系統、agents 和推論端點。

一個自動化評估文字到圖像與文字到影片模型的框架，使用多模態大型語言模型（LLM）來為視覺‑文字對齊度打分。

一個用於構建遺傳演算法以優化機器學習演算法和其他數學函數的 Python 函式庫。

一個用於機率推理與統計分析的函式庫，透過 TensorFlow 或 JAX 將機率方法與深度網路整合。

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。

一個scikit-learn相容的基於Relief的特徵選擇演算法庫，無需窮舉搜尋即可識別表格資料中的重要特徵交互。

一個結合邏輯程式與機率事實以處理不確定性並執行複雜推論任務的概率邏輯程式設計工具箱。

autoresearch‑claude‑code 是一個 Python 框架，可使用 Claude Code 或 Codex 代理執行預算受限的自動研究迴圈。您定義目標、確定性評分器以及代理可以編輯的檔案；系統會建立 Git 分支，衡量每個變更，並僅自動提交統計顯著的改進，同時尊重執行時間和輪次限制。

一個透過 Ollama 自動化多個 LLM、提示詞與推論參數的評估，以找到特定任務最佳組態的工具。

DR Tulu 是一個開源的 8 B 參數模型與工具包，用於建構能瀏覽網頁、檢索學術資訊並生成長篇回答的研究導向代理。該程式庫提供支援非同步工具呼叫的代理庫、基於 GRPO 與進化評分標準的強化學習訓練（RL）、監督微調（SFT）流程、多個研究基準的評估腳本，以及可在 1–2 個 GPU 上執行的 CLI 示範。

一個開源的 Gymnasium 環境，用於模擬建築能源協調和需求響應，採用多智能體強化學習。

一個用於科學機器學習 (SciML) 的統一框架，提供 PINNs、DeepONets 和 KANs 的實作，用於研究複雜的物理系統。

一組Python腳本，用於測試OpenAI相容的模型端點，以驗證所提供的模型是否與其標籤匹配。

一個高性能的推論引擎，利用 SVDQuant 技術實現擴散模型的 4 位元量化，大幅降低 VRAM 使用量並提升推論速度。

一個為多種 GPU 和加速器量身打造的 OpenCL BLAS 庫，提供廣泛硬體平台上的高效能線性代數運算。

一個將儲存與運算解耦的多租戶 Postgres 平台，協助 B2B SaaS 應用安全高效地擴展，並整合向量資料庫支援。

一種基於再整合的編碼代理，透過使用新上下文和檔案系統記憶體，迭代地將程式碼庫與指定目標對齊，防止上下文腐化。

一個 AI 原生軟體測試平台，使用單一基於 YAML 的宣告式語言來自動化 API、Web、行動裝置和 LLM 測試，無需傳統的程式碼腳本。

一個用於瀏覽、搜尋和匯出 Cursor AI 編輯器聊天記錄與 Composer 日誌的 Web 應用程式。

一個用於將非結構化文字與影像資料集嵌入潛在空間、投影至 2D，並使用 LLM 為聚類標籤的可視化與探索工具。

ONNX 的後端，可將 ONNX 模型轉換為 TensorFlow 模型，使其能夠使用 TensorFlow 執行引擎來執行。

一種成本高效的路由系統，以輕量級傳統機器學習代理模型取代昂貴的 LLM 分類呼叫，針對簡單輸入，維持與教師模型相當的效能。

一個供 LLM 智能體執行結構化工具呼叫鏈的統一執行階段，具備與 Solana 區塊鏈的深度整合，並支援 Model Context Protocol (MCP)。

一個統一且輕量的框架，用於大規模 AI 資料集的整理、打包、載入與評估，支援 LMDB 與 Pickle 等多種格式。

一個為部分可觀測多智能體路徑規劃（PO-MAPF）設計的彈性格子環境，專為測試多智能體系統中的去中心化導航與碰撞避免而打造。

一個供應商無關的 PHP SDK，提供統一的 API 用於與各種生成式 AI 模型進行互動，以生成文字、影像和嵌入。