一個用於 Julia 的高效能自動微分套件，支援變異並利用最佳化的中間表示進行高效的微分計算。

一個使用 MLX 在 Apple Silicon 上本地訓練與微調大型語言模型（LLM）的工具包，支援廣泛的偏好優化與量化感知訓練方法。

一個模型路由器，提供單一本地端點，智慧地在本地、帳戶綁定和基於 API 的模型之間路由 AI 請求。

MDia 是一個 Python 庫，將 LLM 的中間推理形式化為可重用的「方言卡」（LSF），並提供一個確定性的八階段流水線（collect → create → evolve → profile → select → run → validate-rules → report），用於在異質模型間生成、演化、分析、路由和審計這些協定。它支援黑盒 LLM API，提供多種路由計畫，包含 100 條規則庫，並透過在測試評估前凍結決策來保證可重現性。該倉儲包含一個無需任何 API 金鑰的玩具離線示範、詳盡的文件、MIT 授權，以及對 ICML 2026 海報和 arXiv 論文的引用。

一個將 Ghidra 的逆向工程套件與 LLM agent 集成的 MCP server，可實現自動化反編譯、語義代碼搜索和二進制分析。

RxInfer.jl 是一個 Julia 庫，使用因子圖訊息傳遞實現快速、反應式貝葉斯推論。它能自動利用共軛關係進行精確更新，支援非共軛模型，並可透過 RxInferServer 部署為 REST API。使用 `] add RxInfer` 安裝，用 `@model` 宏定義模型，呼叫 `infer` 以取得後驗分佈。

用於與 Gemini Developer 和 Gemini Enterprise Agent Platform API 互動的 Java SDK，支援內容生成、多模態輸入與自動函式呼叫。

一個為 Megatron-LM 設計的多模態資料加載器，支援大規模、分散式加載與混合海量資料集，用於訓練大模型。

一種針對 Apple Silicon 的原生 Swift AI 基礎架構，將 Mac 轉變為執行 MLX 和 Apple Foundation Models 的私有 OpenAI 相容伺服器。

一款利用 3D 平行與優化內核來減少訓練時間與成本的高效能大語言模型訓練庫。

一個用於 AI 編碼代理的 CLI 技能管理器，可讓使用者在 Claude Code、Cursor 和 Copilot 等工具之間安裝、更新與同步可攜帶的提示套件。

outlines‑core 是一個 Rust crate (附帶 Python 綁定) ，它將 JSON schema 轉換為正規表示式，並建立一個快速的基於 DFA 的索引，將這些正規表示式連結到語言模型的詞彙表。產生的 `Guide` 物件會在每個生成步驟中告訴您哪些 token ID 是允許的，從而實現 LLM 的結構化、符合 schema 的輸出。

一個使用標準化資料集與判斷模型，對不同提供者之間的 AI 記憶與上下文系統進行評估與比較的可插入基準框架。

一個集中式工程手冊，可在多個 AI 編碼代理與倉儲之間同步編碼標準與指示。

一個用於評估音訊大語言模型 (AudioLLMs) 的通用基準測試，涵蓋語音、音訊場景與語音理解等 50 多個數據集。

一個生產就緒的 API，無需自定義後端即可立即將 PostgreSQL 資料庫轉換為 REST 和 Model Context Protocol (MCP) API。

一款用於 Kubernetes 的網路觀測工具，利用 eBPF 對流量進行索引，並透過 MCP 集成提供 AI 驅動的故障排除功能。

一個用於訓練、評估和部署尖端 AI 模型，並支援各種硬體加速器的圖形化工具箱。

在倉儲中執行持久且自我改善代理工作流程的終端原生執行環境，透過品質門檻與程式碼庫索引確保工作確實已完成。

專為大檔案、即時協作與 AI 輸出串流設計的高效率 WYSIWYG Markdown 編輯器與內核

一款原生 macOS 工具，利用 AI 代理模擬真實使用者在 iOS、macOS 與 Web 應用中的操作，以識別 UX 摩擦並測試使用者目標。

透過精煉雜訊命令輸出並用可檢索句柄取代重複資料，減少 AI 代理令牌使用量的工具。

一個 MCP 伺服器，透過 llms.txt 檔案為 AI agent 提供透明且可稽核的文檔獲取方式。

WildClawBench 是一個端到端的智能體基準測試，它測試 AI 智能體在即時環境中使用瀏覽器和 bash 終端機等真實工具執行複雜現實世界任務的能力。

一個 PyTorch 框架，用於深度學習研發，去除訓練迴圈樣板程式碼，以加速實驗與可重現性。

一個機器學習框架，用於自動化錯誤分派、品質管理與測試選擇，以提升軟體工程效率。

用於視覺化 AI Agent 追蹤軌跡的 React 組件庫，將複雜的 JSON 日誌轉換為層級視覺圖表，讓除錯更加容易。

一個開源的 Claude Code 引擎，透過分級 PRD、依賴排序的任務圖與基於證據的執行，將目標轉換為驗證過的程式碼。

一種基於 SQLite 的單檔案關係型試算表格式，專為人類使用者與 AI 代理設計，用於組織與查詢結構化資料。

一個高效能的 Julia 框架，用於基於代理的建模，能模擬自主代理對環境及彼此的反應。

NetKet 是一個基於 JAX 的 Python 函式庫，利用神經網路和機器學習來研究多體量子系統。

一種語法感知的程式碼導航工具，為人類與 AI 代理提供結構化洞察，減少探索程式碼庫所需的工具呼叫次數。

一個 Python 函式庫，透過消除 Hydra 專案中手寫的 YAML 設定檔，簡化可配置且可擴展工作流程的建立。

為 Claude Code 和 OpenAI Codex 等 AI 編碼代理提供操作層，保留倉儲狀態並協調多步驟工作流程。

一個 MCP 原生瀏覽器控制平面，為 AI 代理提供具有人機回環（human-in-the-loop）接管功能、可重用身分驗證設定檔以及內建安全護欄的真實瀏覽器。

一個全面的結構化 AI 會議論文記錄庫，以及用於分析主要會議（如 NeurIPS 和 ICLR）學術文獻的本地搜尋工具。

一個適用於網頁、行動裝置、AI 和 IoT 應用的可配置後端，透過配置而非程式碼提供 API、身份驗證和 RAG 功能。

一個可執行、Git 原生的表格資料工作目錄，可將暫時的代理生成指令碼轉化為可重現、內容位址化的流程。

Codex CLI、Claude Code 和 ACP 相容代理的輕量級代理工作站與命令中心，具備任務排程與統一專案工作區功能。

透過在真實任務上測試候選設定，自動分析倉庫並應用最便宜、最可靠的 AI 編碼設定的工具。

ParoQuant 是一個用於 LLM 的 INT4 量化框架，透過學習到的成對旋轉來減少權重異常值，並在高效推理過程中保持高精度。

MInference 透過利用動態稀疏注意力模式，在單個 A100 GPU 上實現高達 10 倍的加速，藉此加速長文本 LLM 的預填充（pre-filling）階段。

一個允許在多個 GPU 上訓練大規模圖像與影片擴散模型的流水線並行訓練腳本。

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。

一個包含 8,150 個高保真 CFD 汽車設計的全面性多模態數據集與基準測試，用於訓練用於空氣動力學優化與性能預測的 AI 模型。

一個無程式碼 GUI 與框架，讓使用者能無需編碼即可試驗超參數與進階訓練技術，以微調大型語言模型。

由 Meta 設計的列式文件格式，專為大型、寬度大的數據集設計，優化了機器學習訓練表和特徵工程的存儲與存取。

PyKEEN 是一個用於訓練與評估知識圖譜嵌入模型的 Python 套件，提供一個全面的內建資料集與模型庫。