本攻略核验了 Raschka 原帖中每款模型的核心参数，所有数字均来自对应官方来源（HuggingFace 模型卡、官方博客、技术报告）。原帖描述与官方文档一致处已核对；存在差异处以官方为准并作注。 Sebastian Raschka（@rasbt）于 2026 年 7 月底更新了他维护的 LLM Architecture Gallery，一口气收录了 6 …
仓库攻略
76 篇 · 75 个项目 · jay · 多模态
Kimi K3 是 Moonshot AI（MiniMax）推出的开源权重多模态 Agent 大模型，总参数量 2.8T（激活 104B），是全球首个开放的 3T 级开源模型。K3 基于两项自研架构：Kimi Delta Attention（KDA） 和 Attention Residuals（AttnRes），采用 MoE（MixtureofExperts…
LingBotWorld 2.0（又称 LingBotWorldInfinity）是蚂蚁集团具身智能团队 Robbyant 于 2026 年 7 月 9 日开源发布的交互式世界模型。它能根据用户输入的动作流（摄像头位姿 + 文本指令）逐帧生成视频，充当实时的可交互世界模拟器。 相比 1.0 版本分钟级稳定生成，2.0 实现了小时级连续输出，同时支持 720p…
ABotWorld0 是阿里巴巴 AMAP 计算机视觉实验室（Alibaba AMAP CV Lab）发布的一款动作条件视频世界模型，目标是让单个消费级桌面 GPU 也能实现实时、长时、闭环的交互式世界推演——换句话说，把一块 RTX 5090 变成一个可以无限探索的虚拟世界模拟器。 核心技术规格（全部来自 GitHub README 与 arXiv 摘要）…
Inkling 是 Thinking Machines Lab（由前 OpenAI CTO Mira Murati 创办）于 2026 年 7 月 15 日发布的首个从零训练的开源权重混合专家模型。官方定位明确：不是最强通用模型，而是最适合拿来定制（finetuning）的开源基础模型。 核心规格（官方 HuggingFace 模型卡）： | 指标 | 数值…
ParseBench 是 LlamaIndex 在 CVPR 2026 上发布的首个面向 AI Agent 的文档解析评测基准（arXiv:2604.08538，cs.CV）。 它的核心命题是：文档 OCR 不是"把 PDF 转成文字"，而是必须保留足够的结构和语义，让 Agent 能可靠地自主决策。一旦表格列对齐错位、小数点丢失、删除线被静默丢弃，Agen…
Retrieval Harness 是 LlamaIndex 在 2026 年提出的一种面向 Agent 的持久化检索架构模式，其参考实现为 runllama/legalkb（法律文档知识库 Demo）。 区别于传统的单次向量搜索 RAG，Harness 将文档知识库包装成一组类文件系统 API 工具（retrieve / findFiles / readF…
vuejs/awesomevue 是 Vue.js 生态最知名的 Awesome 精选列表，由 Vue.js 官方团队（vuejs/ 组织）维护。它收录了与 Vue.js 相关的优质开源项目、学习资源、社区生态工具，按类别精心组织，目前 GitHub Stars 数超过 73,000（数据来源：20260715 工作队列）。 这是一个纯 curated li…
OpenLLM 是一个开源的 LLM 推理服务框架，让你用一条命令把任何开源大模型（Llama 3.3、Qwen2.5、Mistral、DeepSeek 等）启动为 OpenAI 兼容的 HTTP API，并自带一个 Web Chat UI。它基于 BentoML 构建，支持 Docker 部署和 BentoCloud 云端托管，适合需要自托管 LLM AP…
LaTeXOCR（开源包名 pix2tex）是一个基于深度学习的 OCR 工具，专门把数学公式的图片还原为 LaTeX 代码。输入一张公式截图，输出对应的 LaTeX 文本——支持印刷公式也支持部分手写公式。 它由 ViT（Vision Transformer）编码器 + ResNet 主干网络 + Transformer 解码器 组成，在 im2latex…
awesomedocker 是一个精选的 Docker 生态资源列表（Awesome List），由 Veggiemonk 维护，收录了与 Docker 容器技术相关的优质开源项目、工具、服务和学习资源。它不是某个具体的软件，而是一份" Docker 生态地图"，帮助开发者快速找到适合自己场景的工具。 GitHub Stars 36422（持续增长中），是 …
DataJuicer（简称 DJ）是一个为 foundation model 时代打造的数据操作系统，专注于将混乱的原始数据转化为 AI 可用的精炼数据。它把数据处理看成是可组合的基础设施，提供模块化的构建块来完成清洗、合成和分析，覆盖 AI 全生命周期的数据处理需求。 用大白话说：它是一个超大型数据处理工具箱，内置 200+ 算子（Operator），可以…
OpenVINO™（Open Visual Inference and Neural Network Optimization）是 Intel 开源的 AI 推理优化与部署工具包，核心目标是把训练好的深度学习模型快速部署到 Intel 硬件上，并获得接近硬件上限的推理性能。它并非训练框架，而是推理runtime + 模型优化工具链的组合。 其支持硬件覆盖 x…
HappyLLM 是 Datawhale 团队推出的系统性大模型学习教程，定位介于"科普"和"科研"之间，目标是授之以鱼，更授之以渔。它从 NLP 基本研究方法讲起，沿着 LLM 的思路和原理逐层深入，最终带领读者用 PyTorch 从零实现一个 LLaMA2 模型，并完成预训练、有监督微调（SFT）和 LoRA/QLoRA 高效微调的全流程。 与其姐妹项目…
Khoj 是一个开源的个人 AI 助手（自称 "Your AI second brain"），核心功能是让你用自己的文档（PDF、Markdown、Notion、Word、orgmode 等）创建一个可对话的知识库，同时支持连接任意 LLM（本地 Ollama 或云端 GPT/Claude/Gemini/DeepSeek）。它可以部署在个人电脑上完全离线运行…
funNLP 是一个中文 NLP 工具与资源的大集合，由 NLP 从业者「fighting41love」整理维护。GitHub Stars 超过 81k，周增 +77（数据截至 20260713），最后提交 20240510。仓库并非一个独立的 Python 包，而是按主题分类的资源索引：每个条目都是一个真实的开源项目、数据集或工具，包含名称、描述和 Git…
内容待复核
aishwaryanr/awesome-generative-ai-guide · 上手攻略
这是一个由 Aishwarya Naresh Reganti（AWS ML 专家）维护的 Generative AI 综合性学习资源库。它的定位不是某个工具或框架的使用指南，而是一站式 AI 学习路径导航——涵盖大语言模型基础、提示工程、微调、RAG、Agent 开发、模型评估、面试准备、免费课程、论文精读，以及一系列成体系的学习路线图（Roadmap）。 …
Academic Research Skills（ARS） 是一套专为 Claude Code 设计的完整学术研究流水线 Skill，覆盖从选题调研→撰写→评审→修改→定稿的全流程。安装后，你的 Claude Code 就变成了一个严格的学术写作助手——它会进行文献检索、结构规划、风格校准、引用核查（L3 风险评估）、事实核查，并内置多道 integrity…
OpenMontage 是全球首个开源 Agentic 视频制作系统——把 AI 编程助手（Claude Code、Cursor、Copilot、Windsurf、Codex 等）变成完整的视频制作工作室。用户用自然语言描述需求，Agent 自主完成从研究、剧本、资产生成、剪辑到最终合成的全流程。 它不是简单的"图生视频"工具。OpenMontage 真正厉…
Kotaemon 是一个开源的 RAG 文档问答 UI 工具，专注于为文档提供「聊天式问答」体验。它的目标是同时服务两类用户： 核心特点：干净的界面 + 混合检索 + 强引用展示 + 多模态文档支持。 有大量技术文档/论文/合同，想基于这些文档向 AI 提问 需要 AI 的回答有明确的文档来源引用，不能胡编 需要处理包含图表、表格、LaTeX 公式的复杂 P…
RAG_Techniques 是一个专注于 RetrievalAugmented Generation（检索增强生成） 高级技术的开源教程仓库，由 Nir Diamant 维护。目前收录 42+ 个可运行的 Jupyter Notebook，覆盖从基础 RAG 到最新前沿技术的完整知识体系，每个技术都配有详细原理解析、代码实现和论文引用。截至 2026 年 …
LTX2 是 Lightricks 开源的视频生成模型（当前版本 LTX2.3，22B 参数，2026 年 3 月 5 日发布），基于 DiT（Diffusion Transformer）架构。它是 2026 年视频生成领域里唯一同时具备以下三个特性的开源模型： 同步音视频生成（4K 视频 + 音频，一次扩散过程完成） 原生 4K 50fps 输出 完整开源…
Omnigent 是一个开源的 AI Agent 元编排框架（metaharness）：在它之上，你可以同时运行和编排 Claude Code、Codex、Cursor、OpenCode、Pi 以及自己写的自定义 Agent，无需重写任何 Agent 代码。它不是一个新 Agent，而是一个通用的 Agent 管理层——像一层胶水，把各种主流 Agent 产…
Xinference（Xorbits Inference）是 xorbitsai 团队开源的统一推理服务平台，一行代码替换 GPT 为任意开源 LLM。它让你在本地、云端或笔记本上运行开源语言模型、语音模型和多模态模型，通过统一的 OpenAI 兼容 API 提供服务。 Xinference 的核心差异化在于：支持最多的推理引擎（vLLM、SGLang、ll…
browseruse 是让 AI Agent 操作浏览器的 Python 库——AI 描述任务，浏览器替你完成：点按钮、填表单、滚动页面、抓取内容。2026 年 7 月 Stars 104k+，Odysseys 排行榜第一（87.4% 平均准确率），领先 OpenAI、Anthropic、Google、Microsoft 的同类产品。 有两种使用方式：CLI…
Graphify 是一款面向 AI 编程助手的代码知识图谱生成工具（code knowledge graph generator）。它的核心思路是：将任意代码仓库（Python、JavaScript、SQL、R、Shell 等）的代码结构转换为一张可查询的知识图谱，替代传统的 grep/全文搜索方式，让 AI 助手可以直接"问问题"获取精准的代码上下文。 形…
内容待复核
josephmisiti/awesome-machine-learning · 上手攻略
awesomemachinelearning 是机器学习领域最老牌、最全的资源列表之一，由 Joseph Misiti 维护（Stars 73,273，周增 +112）。它按编程语言分类，收录了几乎所有主流机器学习框架、库和工具，堪称 ML 领域的"黄页"。 仓库不提供代码，仅做资源导航，是发现和调研 ML 工具的首选起点。 ⚠️ 注意（2026年4月维护者…
Lore 是 Epic Games 开源的新一代版本控制系统，由 Epic Games 的工程师团队开发（Rust 语言，MIT 许可证）。它脱胎于 Epic 内部工具 Unreal Revision Control——曾是《Fortnite》 UEFN（Unreal Editor for Fortnite）创作工具的内置版本控制。2026 年 6 月，Ep…
UITARSdesktop 是字节跳动开源的多模态 GUI Agent 桌面应用，基于 UITARS 模型。它能像人一样操控电脑（点击、输入、浏览网页），通过视觉理解界面并执行操作。目前支持： Computer Operator：操控本机桌面应用 同属 TARS 项目家族的还有 Agent TARS（终端 CLI + Web UI 版本）。 Stars 37…
AutoGPT 是一个创建、部署和管理持续运行 AI Agent 的平台，目标是让 AI 自动化每个人都能用、都能搭建。它包含三大核心组件： Forge（经典版）：快速构建自定义 Agent 的开发工具包，配有基准测试框架 项目采用双 License：平台核心代码（autogpt_platform/ 文件夹）使用 Polyform Shield Licens…