Transformers 是 Hugging Face 维护的 Python 库，提供超过 1M 个预训练模型检查点的统一加载、微调和推理接口。它覆盖文本（NLP）、计算机视觉、音频、视频和多模态五种模态，是目前最广泛使用的开源模型定义框架。 它的核心定位不是"又一个 PyTorch 工具箱"，而是模型定义层的事实标准——如果一个模型在 transforme…
仓库攻略
126 篇 · 125 个项目 · tom · 多模态
QM 是一个多人 AI 编程智能体平台，设计目标是让一个 AI 编程智能体服务于整个公司，而非仅限于个人助手。与传统单人 Copilot 不同，QM 通过「scope（作用域）」机制实现多用户隔离与协作： 核心：TypeScript / Node.js，HTTP 层用 Fastify Slack 插件：Scaffolded with Bolt Web UI：…
TurboFieldfare 是一个用 Swift 6.2 + Metal 4 从零手写的 Gemma 4 26BA4B 推理运行时，专为 Apple Silicon Mac 设计。它的核心目标只有一个：让 8 GB 内存的 M 系列 MacBook Air 也能跑 Gemma 4 26B 大模型。 Gemma 4 26B 是一个 MoE（Mixtureof…
vllmmlx 是一个专为 Apple Silicon（M 系列芯片）打造的推理服务器，核心思路是：把 vLLM 在 CUDA 硬件上的核心优化（连续批处理、页级 KV 缓存、前缀缓存）移植到苹果的 MLX 框架上，通过 Metal 驱动统一内存直接跑模型，无需任何格式转换。 它同时暴露 OpenAI /v1/ 和 Anthropic /v1/message…
Open Model Zoo 是 Intel 维护的预训练深度学习模型仓库，为 OpenVINO™ Toolkit 提供大量已优化模型和演示程序。包含 200+ 模型，覆盖目标检测、图像分类、图像分割、姿态估计、语音识别、文本转语音等主流 CV 任务，并配有可直接运行的 C++ / Python Demo 示例。 模型分为两大类： Intel 预训练模型（m…
img2threejs 是一个代码优先的图像→3D 重建工具。你给它一张参考图，它生成一段 TypeScript 代码，在浏览器里跑出一个 THREE.Group 工厂函数——所有几何体都由原始几何体（BoxGeometry、CylinderGeometry 等）、程序化着色器和生成式几何拼出来，没有 mesh 文件，没有 GLB 下载，产物天然是"代码"而…
img2threejs 是一个代码驱动式图像→3D 重建工具。它接受一张物体参考图，通过 AI Agent（Claude Code / Codex / OpenCode）驱动一个分阶段质量门控流水线，输出一段 TypeScript Three.js 工厂函数，将该物体用几何体 Primitive、程序化材质和自定义几何重建出来——不是生成 mesh 文件，而…
OmniRoute 是一个自托管 AI 网关，用单一端点聚合 278+ 提供商（含 90+ 免费层）的 500+ 模型，替开发者省去逐一对接每个 AI 提供商的麻烦。它支持自动 fallback 组合、Token 压缩、多策略路由、MCP 服务器、A2A 代理协议、内存持久化、Guardrails 安全过滤、TLS 指纹伪装等企业级特性，同时提供 Web 界…
baoyudesign 是一个可移植的 Agent Skill（技能包），它把 Claude 官方网页版 claude.ai/design 的设计引擎完整复刻为本地编辑器内的 AI 工作流。装入 Cursor、Claude Code、Codex 或任何支持 skills 的本地 Agent 后，你用自然语言描述需求，Agent 就会按照 Claude Des…
RapidMLX 是目前 Apple Silicon 上速度最快的本地 AI 推理引擎，专为 M 系列芯片优化，基于 Apple MLX 框架重写所有核心 kernel，纯 Metal GPU 加速，无任何 llama.cpp 回退或 Python 桥接层。相比同场景的 Ollama，吞吐量提升约 4.2 倍，首 token 时间（TTFT）可低至 0.08…
Ultralytics YOLOv5 是 YOLO（You Only Look Once）目标检测算法的第五代官方 PyTorch 实现，由 Ultralytics 公司维护。它在原始 YOLOv4 的基础上完全重写，以「极致简洁」为设计核心，集目标检测、实例分割、图像分类三大任务于一体，并在 v7.0（2022年）引入了实时实例分割模型，成为当时全球最快最…
ultralytics/yolov3 是 YOLOv3（You Only Look Once version 3）目标检测模型的 Ultralytics 官方 PyTorch 实现。原始 YOLOv3 由 Joseph Redmon 和 Ali Farhadi 在 2018 年提出（arXiv:1804.02767），Ultralytics 在此基础上添加了…
AOS Community Edition（简称 AOSCE）是 Unicity 公司推出的开源 Agent 操作系统，专为希望拥有可审查、可组合 AI Agent 运行环境的开发者设计。它的核心定位是：Agent 的执行环境（类似容器的隔离运行时）+ 配套的工具链，让 Agent 在其中既能安全运行，又能自我扩展能力。 关键概念拆解： MetaHarnes…
iPolloWork 是 Codex 和 Claude Code 的下一代源码开放替代品，定位是"不只是帮你写代码，而是真正完成工作"。 核心特点： 源码可用（SourceAvailable，非 OSI 认可的开源）：允许个人免费使用，3 人及以上使用需书面授权 Claude Code 和 Github Copilot workspace 这类产品，本质上还…
《深入理解 AI Agent：设计原理与工程实践》（作者李博杰）是一本系统性阐述 AI Agent 的技术书籍，全书围绕核心公式展开： Agent = LLM + 上下文 + 工具 这个公式是全书的骨架，意思是：一个能用的 Agent，离不开大语言模型（LLM）、对上下文的精细管理、以及可调用的外部工具。三者缺一不可。 十章内容覆盖： | 章节 | 主题 |…
scrollworld 是一个 AI Agent Skill（技能），运行在 Claude Code、Codex 或任何兼容 SKILL.md 的 AI 编程助手内。它能为一任意品牌或行业构建「滚动穿越3D世界」的沉浸式落地页——访客滚动页面时，摄影机从场景外部俯冲进入内部，再无缝飞入下一场景，全称无剪辑，像 Apple's scrollthrough 产品…
Grok Build 是 xAI（马斯克旗下人工智能公司）发布的终端原生 AI 编程智能体（coding agent），用 Rust 编写，发布于 2026 年 5 月。定位与 GitHub Copilot 的 Claude Code、OpenAI 的 Codex CLI 同类，但打出三模态这张牌：交互式 TUI（满屏鼠标交互）、无头 CLI（脚本/CI 用…
RunAnywhere 是一个端侧 AI 推理 SDK 套件，让你在 iOS、Android、Flutter、React Native 和浏览器里直接跑 LLM、VLM、语音识别（TTS/STT）和语音合成，无需联网、数据不离设备。它用同一套 API 屏蔽了各平台的底层差异：Apple 设备走 Core ML / Metal，安卓走 llama.cpp 或高…
awesomepretrainedchinesenlpmodels 是一个由个人开发者（lonePatient）维护的 GitHub 精选列表，收录高质量中文预训练模型、大语言模型、多模态模型及其相关资源。截至 2026 年 7 月 Stars 5574，是中文 NLP 领域最全面的开源模型索引之一。 仓库按模型类型和任务类型双重维度分类，涵盖从 2020 …
OpenViking 是字节跳动火山引擎开源的上下文数据库（Context Database），专为 AI Agent 设计。它用文件系统范式替代了传统 RAG 的扁平向量存储，统一管理 Agent 的记忆（Memory）、知识（RAG）和技能（Skills），让开发者像操作本地文件一样管理 Agent 的"大脑"。 文件系统范式：L0/L1/L2 三层按需…
内容待复核
BradyFU/Awesome-Multimodal-Large-Language-Models · 上手攻略
这是一份由南京大学 MIG 实验室（NJUMiG）维护的多模态大语言模型（Multimodal Large Language Models，MLLM）前沿论文合集，截至 2026 年 7 月已收录 17.9k+ Stars，是 MLLM 领域最全面、最活跃的社区驱动的学术索引之一。 它不是代码库，而是一个持续更新的知识库，系统整理了 MLLM 各个子方向的论…
goabstract/AwesomeDesignTools 是一个设计工具精选列表，由 LisaDziuba 团队维护，2015 年启动，后随 Flawless App 团队加入 Abstract。目前 GitHub 星标数超过 40k，是设计师和产品团队查找工具资源的行业标杆参考。 它不是一款软件，而是一个持续更新的精选目录——收录了来自 Sketch、F…
XcodeBuildMCP 是 Sentry 团队开源的 Model Context Protocol（MCP）服务器 + CLI 工具，专为 AI 编码 agent（Cursor、Claude Code、Codex 等）设计，提供操作 iOS/macOS 项目的工具集——构建、运行、测试、安装应用到模拟器/设备等，全部通过结构化工具接口暴露给 AI。 它有…
htmlvideo 是 Open Design 团队出品的"AI 视频生成 metalayer"：你跟本地 coding agent 说一句话（或丢一个链接），它把 HTML/CSS/数据变成真实 MP4 视频，全程在你电脑上渲染，不需要云端、不收单次渲染费。 它不绑定某个特定渲染引擎，而是一套适配器接口，render(input, ctx) 契约，任何后端…
waoowaoo 是首家工业级全流程 AI 影视生产平台，基于 AI 技术从小说文本自动生成分镜、角色、场景，并制作成完整短剧/漫画视频。它由单一开发者（saturndec）维护，目前处于测试初期阶段，官方定位为"短剧/漫画视频制作工具"，核心思路是：输入小说文本 → AI 自动拆解剧本 → 生成一致角色和场景图片 → 分镜合成视频 → AI 配音 → 输出…
内容待复核
WangRongsheng/awesome-LLM-resources · 上手攻略
awesomeLLMresources 是由 WangRongsheng（王荣胜）维护的大语言模型（LLM）优质资源汇总仓库，目前 8.6K+ Stars。它自称"全世界最好的LLM资料总结"，涵盖从数据处理、微调、Agent 开发、推理优化、RAG、模型评测到多模态（小语言模型、视觉语言模型）等全链路内容，并持续更新。 这不是一个代码工具库，而是一个持续更…
cheatoncontent 是一个内容创作实验系统，用 AI 把每一次发帖变成一次"可量化、可复盘、可进化"的校准实验。它不是帮你写内容的 AI，而是帮你建立创作者判断力的工具。 作者自称用它从零做到 100 万粉丝，用法核心是：写之前先打分 → 发布后 3 天复盘 → 用数据迭代评分公式。 大多数创作者困在一个低效循环里： 发布 → 看数据 → 什么也没…
awesomeremotejob 是一个 GitHub 上持续维护的精选列表（Awesome List），专门收录真正支持远程工作的公司、团队和招聘资源。由 @lukaszmadon 创建和维护，Star 数超 46,000（周增 +49），是目前寻找远程开发岗最受欢迎的草根数据源之一。 它不是招聘平台，而是一个经过人工筛选的远程友好雇主清单，帮助开发者绕过…
FinRobot 是 AI4Finance Foundation 推出的开源金融 AI Agent 平台，旨在将大语言模型（LLM）与金融分析深度融合，用多 Agent 协作替代传统的单一模型方案。 它的核心理念是：数字靠代码计算，叙事靠 LLM 辅助，每一步输出都可溯源。所有财务估值（DCF、DDM、LBO、WACC、可比公司法等）都通过确定性 Pytho…
GoogleCloudPlatform/generativeai 是 Google 官方维护的 Google Cloud 生成式 AI 示例代码库，收录 Gemini 模型调用、RAG、Agent Build、搜索增强、视觉生成、音频处理等全场景的 Jupyter Notebook 和代码示例。截至 202607 仍保持活跃更新（最近提交 20260710）…