一個用於 AI 代理的 Python 執行引擎，可記錄工作流程的每一步，實現從失敗點進行確定性重播，而無需重新執行整個作業。

一個模組化的 Go 工具包，用於建構可擴展的 AI 應用，支援可插入記憶體、多提供者推理後端與持久化代理執行。

一個將任何具有 OpenAPI 規範的 Web 應用程式轉換為 Model Context Protocol (MCP) 伺服器的工具，讓 AI 模型能夠將該 API 作為工具使用。

一個在訓練期間學習深度網路結構的框架，透過資源受限的正則化來降低 FLOPs、模型大小與延遲。

一個用於建置和執行可重用、型別化 AI 程序的框架，稱為「方法」，使用宣告式的 .mthds 檔案格式來編排複雜的 AI 工作流程。

一系列用於圖形深度學習的 Julia 函式庫，為 Flux 和 Lux 框架提供圖形卷積層與資料結構。

一個高效能的模型服務框架，使用 Rust 核心與 Python 介面，將機器學習模型轉換為高效、可在雲端部署的微服務。

Flux 機器學習函式庫的參考實作與示範集合，提供視覺、文字與強化學習模型的起始範例。

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。

一個專為 RAG 應用程式設計的輕量級且高效的 TypeScript 文本分塊（chunking）函式庫，提供包括語義、遞迴和程式碼感知的分塊策略。

一個企業級資料處理平台，旨在簡化資料收集、清理與標註，以支援模型微調與 RAG 檢索。

一個面向角色的 CLI，供 React Native 與 Expo 團隊使用，透過 AI 代理自動化行動 QA、效能審查與功能實作。

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。

一組 C++ 範例與輔助程式庫，用於在原生應用程式中透過 TensorFlow C API 執行機器學習模型。

一個 TypeScript 框架，用於構建 AI 工作流程與代理，將提示管理、追蹤與評估整合於單一程式碼庫，避免 SaaS 零碎化。

一款企業級開源 RPA 桌面應用，支援低程式碼自動化桌面軟體與網頁，具備與 AI 代理的深度整合。

一個去中心化、保護隱私的機器學習框架，利用區塊鏈協調，在不共享原始資料的情況下，實現跨分散資料來源的協同模型訓練。

一個 AI 原生的後端與部署層，允許程式碼代理直接部署資料庫、邊緣函數與前端，將 AI 生成的程式碼轉化為即時應用。

AI 代理的本地優先安全控制平面，防止密鑰洩漏，防火牆化工具呼叫，並維護防篡改審計日誌。

一個可演化的多代理框架，能自動化並擴展資料科學，專注於端對端的單細胞生物學分析。

使用內容定位儲存與混合搜尋的本地優先、持久記憶體系統，用於組織與檢索程式碼與文件。

一個開源的 AI 模型比較工具，提供多個 LLM 提供商的即時價格與功能比較。

一個跨平台推理引擎，可在從手機到網頁瀏覽器的各類裝置上本地執行高準確度、壓縮的 LLM。

以 Zig 編寫的快速、本地 GGUF 推論引擎，為消費級 GPU 提供命令列介面、瀏覽器聊天與 OpenAI 相容 API。

一個開源的 Python 工具包，用於潛在擴散模型的生成水印，提供嵌入、檢測與評估 AI 生成圖像與影片水印的工具。

一個 Rust 函式庫，提供統一的 API 以與多個 LLM 後端互動，支援多步驟鏈、代理工作流程，以及標準化的 REST API。

支援異構資源排程與自動模型服務的 LLM 代理分散式框架，可將代理程式轉換為可觀測的工作流程。

一個透明的即時優先基準測試框架，使用確定性評分在 OpenClaw 執行環境中評估 AI 代理的能力與表現。

一個用於處理與傳輸即時影片與音訊串流的 Streamlit 元件，使 Web 應用能實現即時媒體處理與 AI 整合。

一套針對 Arm Cortex-A、Neoverse 與 Mali GPU 架構優化的低階機器學習函式庫，提供高效能的 ML 推論。

一個用於建模與產生合成資料的基準測試框架，讓使用者能比較不同機器學習技術的效能、記憶體使用量與品質。

一個基於 PyTorch 的工具套件，用於序列生成模型的事後可解釋性，提供各種特徵歸因方法來說明模型輸出。

一款 AI 驅動的工具，用於分析基礎設施即代碼（IaC）和架構圖是否符合 AWS Well-Architected 最佳實務，並提供優先排序的修復建議。

一個用於建模多變量分佈並使用 copula 函數生成合成數值資料的 Python 函式庫。

一個用於高階語意提示路由與多 LLM 協調的節點式工作流引擎，讓使用者能夠建立複雜且具上下文感知的 AI 代理。

一個用於模擬與視覺化各種一維與二維隨機過程的 Python 函式庫。

一個為個人和研究實驗室提供統一介面的開源機器學習平台，整合了訓練、微調、推理和評估。

一個用於在消費級 GPU 上使用 LoRA 和 QLoRA 微調 LLM 時，估算 VRAM 使用量、基準測試效能並生成訓練方案的 CLI 工具。

一個透過建立增強資料集與使用 PEFT 微調模型，提升檢索增強生成（RAG）中大型語言模型（LLM）效能的函式庫。

一個用於高效能 LLM 訓練與推論的原生 C++/CUDA 工具包，針對 NVIDIA 硬體進行了優化，並支援 NVFP4 等低精度格式。

一個基於設定檔的 CLI 工具，用於啟動與管理 LLM 微調實驗，讓使用者能在不同模型、提示詞與最佳化技術之間執行消融研究。

一個合成數據生成與評估框架，透過真實工具執行和佈題圖譜映射，為代理型 LLM 建立高品質的訓練數據集。

一個全面的平台，用於使用符合 OCI 規範的容器映像檔託管、部署和微調 LLM，並提供與 OpenAI 相容的 API。

一個編譯器，將傳統機器學習模型與機器人 URDF 描述轉換為優化的、獨立的 C99 二進位檔，以在邊緣與嵌入式硬體上實現微秒級延遲推論。

一個 Pythonic 的無伺服器介面，讓機器學習開發者能直接從本機環境在 Kubernetes 叢集上執行與擴展工作負載，啟動時間近乎即時。

一套用於透過量化和剪枝等技術來優化機器學習模型以進行部署和執行的工具套件。

一個基於 PyTorch 的半監督學習統一基準測試，提供涵蓋 CV、NLP 和 Audio 分類任務的 14 種演算法與 15 種任務的實作。

一個為 PyTorch 使用者提供訓練工具與公用程式的函式庫，旨在簡化模型訓練流程。