一個用於無監督時序異常偵測的機器學習函式庫，提供已驗證的 ML 管線以識別訊號中的稀有模式。

一個提供結構化作業系統以實現自主專案交付的 AI DevOps 框架，結合專業代理、安全 Git 工作流程與持久的倉儲知識。

一個輕量級、基於 CPU 的 Python 函式庫，使用最先進的 cross‑encoder 與 LLM 重新排序搜尋結果，以提升 LLM 工作流程的檢索精準度。

一個 Postgres 伺服器與擴充功能，能自動將文字轉換為向量嵌入，並協調向量、全文與混合搜尋，以支援 RAG。

BlockRun MCP 是一個開源 MCP 伺服器，為 AI 代理（Claude、Codex 等）提供 19 個即時工具——市場資料、網路搜尋、媒體生成、鏈上查詢，以及在 Polymarket 上進行真實 USDC 下注的能力。代理可透過自託管 USDC 錢包（透過 x402 微支付協定）或預付 API 金鑰按調用付費。伺服器透過單一 `npx` 命令安裝，相容多種 MCP 客戶端，並支援人工在環支出審核，是自主代理存取即時資料並執行真實操作的實用橋樑。

一個將影像條件擴散模型微調為單步決定性估計器的框架，實現快速且精確的深度與表面法線估計。

一個展示如何將 Google 的 Gemini AI 與 Stream Chat SDK 整合，以在 Android 上建構 AI 驅動的聊天應用程式的示範專案。

一個支援 VOC、COCO 與 YOLO 格式的 Python 套件，用於在影像上繪製帶標籤的邊界框，簡化物件偵測的可視化流程。

PIX 是一個基於 JAX 的影像處理函式庫，提供 GPU/TPU 加速的函式（例如：翻轉、縮放），這些函式可以使用 `jax.jit` 進行編譯、使用 `jax.vmap` 進行向量化，或使用 `jax.pmap` 在多個裝置上執行。請先安裝 JAX，然後執行 `pip install dm-pix`。其用法與 NumPy 影像程式碼完全相同，但具備完整的 JAX 效能與自動微分功能。

一個開源的 AI 驅動售後服務平台，提供智慧客服與問答社群，以降低人工支援成本。

一個實現 ReAct 循環以實現自主任務執行的 AI 代理編排平台，具備深度瀏覽器自動化（支援視覺）與多代理委派功能。

一組用於在 Arm Ethos NPU 和 Cortex 系列平台部署與優化 AI 模型之機器學習範例與教學。

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。

一個用於從 LLM 中提取結構化、經過驗證的資料，並為多個 LLM 供應商提供統一 API 的 PHP 函式庫。

一個用於注視點估計的演示程序，使用預訓練模型來追蹤人在圖像和視頻中注視的位置。

A PyTorch implementation of gaze estimation methods from the MPIIGaze and MPIIFaceGaze papers for training and evaluation of appearance-based gaze tracking.

一個基於 PyTorch 的工具，用於偵測動畫臉部並使用預訓練的 Faster R-CNN、YOLOv3 與 HRNetV2 模型估計 28 個臉部特徵點。

一個為 AI agent loops 設計的設計層，幫助用戶在執行前定義目標、驗證標準和審查閘口，以確保工作流的穩健與可審計性。

一個開源的 RAG 後端平台，結合了嵌入式 SQLite 與 LanceDB 資料庫，並搭配類試算表 UI，旨在簡化 AI 增強型表格與聊天機器人的建立過程。

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。

一個為 Snowflake Coco 所設計的代理式作業系統，為資料工程專案帶來結構化、多代理的工作流程與具治理意識的執行能力。

一種用於程式碼助手的跨代理持久記憶系統，利用壓縮本地儲存與MCP，使AI代理能在會話間保持資訊記憶。

一個強大的 RAG 系統，可總結與查詢多種文件類型，包括 PDF、音訊、影片與 Anki 卡片，提供有出處的答案與詳細摘要。

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。

一個用於為機器智能和其他數位商品建立競爭性市場的去中心化平台與 SDK，並透過基於區塊鏈的激勵系統進行獎勵。

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。

一個可靠的智能體框架，透過基於 Rust 的執行階段，使每個 AI 智能體預設具備可重放性與可恢復性，從而實現零成本除錯與崩潰恢復。

Ovis-Image 是一個 7B 參數的文字生成影像模型，針對高品質文字渲染與版面精準度進行最佳化，設計上能在一般可取得的硬體上高效執行。

Luxonis OAK 相機的 ROS 整合，使機器人系統能使用硬體加速的 AI 與深度感測功能。

一個自託管、以本地為先的網頁介面，將多個 LLM 供應商與本地端點統一於單一聊天 UI，讓使用者自行管理 API 金鑰與費用。

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。

Flux.jl 的標準機器學習視覺模型函式庫，提供 ResNet、ViT 和 EfficientNet 等熱門架構的實作。

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。

一個為 AI 代理設計的記憶層，將鍵值、向量與圖形資料庫合併為單一無模式 API，具備自動嵌入與關係推斷功能。

ai4j 是一個以Java為首要目標的SDK（JDK 8+），統一了對多個LLM提供者的存取，並增加了代理功能（工具呼叫、多代理協調、A2A、RAG）。它包含核心函式庫、代理執行時、程式碼助手CLI/TUI/IDE橋接器、Spring Boot啟動器與插件系統。透過Maven/Gradle安裝，設定提供者（例如OpenAI），即可在幾行程式碼中呼叫聊天/補全API，或在本機執行內建的程式碼代理。

一種針對長期任務的 LLM 代理記憶架構，實作了生命週期感知記憶 (LAM)，以處理版本控制、來源追蹤與研究密集任務中的複雜檢索。

一個輕量級的 LLM 框架，透過提供統一的模型存取、結構化的 Pydantic 輸出，以及型別安全的提示定義，簡化了生產環境程式碼的整合。

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。

用於建構與部署生產就緒 AI 代理的模板優先框架，提供內建工具、聊天介面與進階除錯功能。

一款面向 AI 圖像與影片模型的視覺化、多語言提示建構工具，透過一個包含 5000 多個雙語標籤的精選標籤庫與預覽圖像，協助使用者組合高品質的英文提示。

Agentica 是一個開源、Apache-2.0 許可的框架，可讓你在本地運行多個 LLM 驅動的代理。它提供統一的 CLI、Web UI 和桌面應用，共享相同的對話歷史與設定。功能包括非同步優先工具執行、多模型與多模態支援、持久記憶與上下文壓縮、基於 Markdown 的自進化技能系統、安全防護機制，以及內建協作功能（對等訊息、任務/子代理、委任流程）。Python 與 TypeScript SDK 可讓你在程式碼中嵌入代理，Docker/uv-tool 安裝器讓設定變得簡單。

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。