Vespa 是 Yahoo（现 Verizon Media）开源的企业级 AI 搜索与推荐平台，定位并非单纯的向量数据库，而是将向量检索、全文搜索、结构化数据查询、分布式模型推理全部整合在单一分布式引擎内。用户无需组合 Elasticsearch + Milvus + 推理服务等多家基础设施，一套 Vespa 就能完成从数据索引到结果排序的全部工作。全球生产…
仓库攻略
736 篇 · 726 个项目 · tom
UltraRAG 是由清华大学 THUNLP、东北大学 NEUIR、OpenBMB、AI9stars 联合推出的低代码 RAG 开发框架，基于 MCP（Model Context Protocol）架构设计。它将 RAG 的核心组件（检索器 Retriever、生成器 Generation、语料处理 Corpus、评估 Evaluation）拆解为独立的 M…
这是一份学术论文写作最佳实践指南，由 EPFL（洛桑联邦理工学院）研究团队维护，收集了他们在撰写 LaTeX 学术论文过程中积累的排版、图表、文献管理经验。仓库以 Markdown + LaTeX 示例代码的形式呈现，涵盖从"一行一句"源码原则到 Python/Matlab 图表生成规范的全链路技巧。 它不是工具库，不需要安装，是纯经验文档，适合在写论文时随…
Nasiko 是一个面向 AI Agent 的开发者控制平面（Developer Control Plane），用 Rust 编写，核心定位是：运行多个 Agent 时，用单一进程解决"谁调用谁、谁持有哪个 key、调用成本几何、为什么失败"这四个工程难题。 它基于 A2A 协议（AgenttoAgent Protocol）工作——任何讲 A2A 的 Age…
EasyPhoto 是一个 Stable Diffusion WebUI 插件，用于生成 AI 人像写真——上传 5~20 张个人照片训练专属的"数字分身"（LoRA 模型），之后即可用这个分身在任意场景下生成写真图片。 核心能力： 由阿里巴巴 PAI（Platform for AI）团队开发维护，开源于 2023 年，配套有论文（arXiv:2310.04…
Genkit 是 Google Firebase 团队开源的全栈 AI 应用开发框架，支持 JavaScript/TypeScript（生产就绪）、Go（生产就绪）、Python（Beta）、Dart（Preview）四种语言，可对接 Google Gemini、OpenAI、Anthropic、Ollama 等主流模型厂商。 核心理念：一套 API 走天下…
IndexTTS 是阿里巴巴 Index 团队开源的零样本（ZeroShot）语音克隆系统，用一段参考音频（10~30秒）即可复刻任意人的音色，生成对应文本的语音。当前稳定版为 IndexTTS2.5（2026年8月10日发布），支持中文、英语、日语、西班牙语、阿拉伯语五种语言，并在多语言跨音色任务上达到了开源 SOTA 水平。 核心能力： IndexTTS…
CyberStrikeAI 是一个用 Go 语言编写的 AI 原生渗透测试平台，官方定位是"intent becomes governed execution"——将自然语言意图转换为可治理的渗透测试行动，同时保留完整审计轨迹。 核心架构：Go 后端 + Eino 驱动的 Agent 引擎 + MCP 原生工具 + RAG 知识库 + 可视化工作流 + 攻击…
AudioGPT是由 AIGCAudio 团队开源的多模态音频理解和生成框架，发布于 2023 年 4 月（arXiv:2304.12995）。其核心设计思路是：将 LLM（大语言模型）作为音频任务的统一调度层，底层对接各类音频/语音专有的预训练基础模型（Foundation Models），用户通过自然语言 Prompt 控制音频生成与理解任务。 GitH…
pytorch/examples 是 PyTorch 官方维护的示例仓库，汇集了 PyTorch 官方团队编写的各领域高质量参考实现。与 PyTorch Tutorials 不同，这些示例追求代码简洁、独立可运行、少依赖，每个子目录对应一个完整任务，读者可以直接把代码复制到自己的项目中使用或改写。覆盖领域包括：MNIST 手写数字识别（含多种变体）、VAE、…
labelImg 是一个开源的图形化图像标注工具，由 Tzutalin 开发维护，现归属 HumanSignal（Label Studio 社区）管理。它用 Python + Qt 编写，提供直观的 GUI，让用户通过鼠标框选来标注目标物体，生成标准格式的标注文件。标注结果支持 PASCAL VOC XML、YOLO TXT 和 CreateML JSON …
CLIP（Contrastive LanguageImage PreTraining）是 OpenAI 在 2021 年发布的图文多模态模型，论文为 Learning Transferable Visual Models From Natural Language Supervision。它的核心思想是用大规模图文配对数据训练一个联合 embedding 空…
EasyOCR 是一个用 PyTorch 开发的通用 OCR（光学字符识别）Python 库，开箱即用，支持 80+ 语言，涵盖 Latin、CJK（简繁体中文、日文、韩文）、Arabic、Devanagari、Cyrillic 等所有主流书写系统，同时处理自然场景文本和文档密集文本。 v1.7.2（2024 年 9 月）是当前最新正式版。自 2020 年起…
dshai4scholar 是 DeepSeek Harness（dsh）的官方学术文献插件，提供 38 个原生 Agent 工具，覆盖文献检索、全文获取、引用管理、科学图表生成等科研写作全流程。 它本质上是一个 Node.js 包（dsh 插件），安装后在 dsh web 界面中注册 38 个工具，并通过 ai4scholar.net 的 API 接入 S…
Open Science 是一个开源、localfirst、modelagnostic 的 AI 科研工作台，由专用的 AI Agent 驱动，帮助研究者完成从文献调研、假设生成到代码执行、数据分析、可视化、报告产出的全流程，所有结果都可追溯到产生它的完整活动记录。 它的核心定位是：把大模型 Agent 变成一个可信赖的科研搭档，而非一个聊天玩具。运行在研究…
OpenMetadata 是一个开源的数据上下文层与元数据管理平台，定位为「AI 时代的数据目录 + 组织记忆 + 语义治理中枢」。它将技术元数据、数据质量信号、血缘（Lineage）、所有权、使用量、治理策略、对话记忆、业务语义（Glossary/Classification/Metrics）全部连接到一个统一的元数据知识图谱中，供人类数据团队、AI 助手…
Vanna 是一个基于检索增强生成（RAG）的 TexttoSQL 开源框架，帮助开发者用自然语言查询 SQL 数据库。v2.0 是完全重写版本（与 v0.x 不兼容），核心定位从「RAG + LLM 生成 SQL」升级为「面向企业的用户感知型数据分析 Agent 平台」——每个组件都知道当前操作用户是谁，并自动做行级别权限过滤。 核心能力： Stars：约…
重要声明：Mozilla DeepSpeech 项目已在 2023 年左右正式宣布 DISCONTINUED（终止维护）。最新版本为 v0.9.3（发布于 ~2021 年），无后续更新。预训练模型文件仍在 GitHub Releases 可下载，但不再有安全更新或新功能。 如果你需要离线语音识别，推荐评估替代方案：Whisper（OpenAI）、Whispe…
🐸TTS（coquiai/TTS）是 Mozilla 语音团队孵化的开源文本转语音深度学习工具包，支持从零训练模型、Finetuning 和推理，生产和研究均可用。最新版本 ⓍTTS v2 支持 16 种语言，还支持语音克隆（voice cloning）和语音转换（voice conversion）。它底层基于 TensorFlow / PyTorch，内置…
OpenMausBot 是 macOS / Windows 桌面应用，将 Claude、Codex、Grok 等本地 CLI 工具封装为一个多机器人消息应用。每个机器人是一个真实运行的 AI Agent，有自己的性格、模型、记忆和可连接的 500+ 第三方应用（通过 Composio）。本质上它是 Grok Bot 的开源实现，核心思路是：把 AI Agen…
Prompt Optimizer 是一款开源 AI 提示词优化工具，通过多轮迭代改进帮助用户写出更高质量的提示词，从而获得更好的 AI 输出。支持 Web 应用、桌面客户端、Chrome 扩展和 Docker 部署四种形态，可对接 OpenAI、DeepSeek、Gemini、Grok、Zhipu AI、SiliconFlow、MiniMax 等主流模型，并…
Bark 是 Suno 出品的基于 Transformer 的文本到音频生成模型，可以生成高真实度的多语言语音、音乐、背景音和简单音效。模型还能生成非语言音频，如笑声、叹息声、哭声等。 与传统的 TTS（TexttoSpeech）不同，Bark 是完全生成式的文本到音频模型（类似 GPT 之于文本，而非拼接式 TTS），输入文字后不经过音素中介，直接转换为音…
OpenAnalytics 是一个开源、自托管、无 Cookie 的网站流量分析平台，主打隐私优先和数据主权。支持页面浏览量、自定义事件、会话追踪、Web Vitals、漏斗分析、留存分析等功能，并原生集成 Stripe 收入归因、MCP 服务器和 CLI 工具。 定位类似 Plausible Analytics 和 Umami，但架构上更重：后端采用 Po…
GPT4All 是由 Nomic AI 开发的开源本地大模型运行工具，核心目标是让任何人在不需要 GPU、不需要 API key、不需要云服务的情况下，在自己的电脑（笔记本、台式机）上跑大语言模型（LLM）。 本质上是基于 llama.cpp 的工程封装，提供三件套： 桌面应用（GPT4All Desktop）：图形界面聊天，支持 LocalDocs（本地文…
geekcompany/ResumeSample 是国内最早系统整理程序员简历模板的开源项目之一，由程序员技术简历平台 JobDeer（工作鹿）提供。仓库收录了 PHP、iOS、Android、Web 前端、Java、C/C++、NodeJS、架构师、通用程序员等 9 类技术岗位的 Markdown 格式简历模板，每类都附带详细的填写说明和真实场景的写法示范…
Leey21/awesomeairesearchwriting 是一个面向中文科研人员的 AI 辅助论文写作开源指南库。核心价值在于：将 MSRA、Seed、SH AI Lab 等顶尖研究机构研究员，以及北大、中科大、上交硕博同学的日常写作技巧系统化整理，以可直接复制的 Prompt 模板形式开放。 本质上是一个拿来即用的科研写作 Prompt 大全，覆盖从…
OCRmyPDF 是一个为 PDF 添加 OCR 文字层的命令行工具，它调用 Tesseract OCR 引擎，将扫描件、影印件等图片型 PDF 转化为可搜索、可复制文字的 PDF/A（适合长期归档的可移植 PDF 子集）。 它的核心价值在于「精准」——OCR 文字会精确地嵌入到原始图片下方，保证复制粘贴时位置准确，不出现文字错位；输出文件通常比输入更小（经…
textgen（全称 oobabooga/textgenerationwebui）是一个开源本地大模型桌面应用，支持文本生成、视觉理解（多模态）、工具调用、网页搜索、LoRA 微调，以及 OpenAI / Anthropic 兼容 API。口号是「100% 离线、零遥测」——不需要任何外部服务，所有模型和数据都在你自己的机器上。 它是原本大名鼎鼎的「text…
Crawl4AI 是 GitHub Star 数最多的开源网页爬虫（75,960 ★，数据截至 20260817），专为将网页转化为 LLM 可直接消费的 Markdown 而设计。相比传统爬虫输出 HTML 碎片，Crawl4AI 输出结构清晰、噪音少、带引用标注的 Markdown，特别适合 RAG pipeline、Agent 数据摄取和大规模数据采集…
DeepResearch_AI 是一个 AI 驱动的多智能体研究工作空间，基于 LangGraph + FastAPI 构建，支持两种研究模式： 1. DeepSearch（快速模式）：5 个 researcher agent 并行 fanout + 聚合，约 12 分钟产出带引用的结构化网络研究报告 2. Research Mode（深度模式）：25 个 …