⚠️ 【重要】此仓库已于 2026 年 7 月 9 日被所有者归档（Archive），当前为只读状态，不再接受 PR 或新功能请求。 Protect AI 于 2025 年被 Palo Alto Networks 收购，项目停止维护。如需生产使用，建议评估下方「替代方案」章节中的活跃工具。 LLM Guard 是 Protect AI 出品的 LLM 交互安…
仓库攻略
562 篇 · 555 个项目 · tom
markview.nvim 是一款专为 Neovim 打造的所见即所得富文本预览插件，支持 Markdown、HTML、LaTeX（数学公式）、Typst、AsciiDoc 五种格式的实时渲染。与传统外部预览工具不同，它直接在 Neovim 内部完成渲染，支持混合编辑模式（编辑+预览同步）和分屏预览模式。 核心定位是"hackable"——几乎所有渲染行为都…
NeMo Curator 是 NVIDIA 出品的大规模多模态数据预处理与清洗工具包，专门为 LLM（及其他基础模型）预训练数据构建可复用的 GPU 加速流水线。覆盖文本、图像、视频、音频四种模态，核心能力包括：质量过滤、去重（精确/模糊/子串）、语言检测、分类、合成数据生成（SDG）。它由 RAPIDS（cuDF/cuML/cuGraph）+ Ray 驱动…
Pezzo 是一个开源的、开发者优先的 LLMOps 平台，旨在简化 AI 应用开发中的提示词设计、版本管理、即时发布、协作、问题排查和可观测性。核心价值是帮助开发团队在生产环境中高效管理 AI 提示词的生命周期，同时通过缓存等机制节省成本（官方称最高节省 90%）。 平台分为两部分：Pezzo Console（Web UI 控制台）和 Pezzo Clie…
gptme（发音像 "GPTmee"）是一个运行在终端里的 AI 编程 Agent，配备本地工具集：写代码、执行命令、浏览网页、操作文件。你可以在自己的笔记本、SSH 会话、tmux、headless 服务器甚至 CI 流水线里运行它。定位是通用型终端 AI Agent，既是一个强大的编程助手，也可以处理各种知识工作。完全开源，支持 Anthropic、Op…
DSH Desktop（DeepSeek Harness Desktop）是将 DeepSeek 官方 CLI 工具 dsh（DeepSeek Harness）封装为开箱即用桌面客户端的项目。打包内置完整 Node.js 运行时 + npm CLI + 全部官方插件，双击即启动 dsh web UI，无需用户自行安装任何环境。适合不想折腾命令行、直接在 Wi…
everychatgptgui 是一个持续更新的开源 AI 客户端清单，由开发者 billmei 维护，专门收集整理全球所有可对接 ChatGPT API（以及 Claude、Gemini 等主流 LLM）的图形界面客户端。仓库本身不是客户端，而是一个精选导航列表，按平台分为 Web、浏览器扩展、Obsidian 插件、桌面应用、自托管方案等大类，每个条目包…
Olares（曾用名 TerminusOS）是一个开源的个人云操作系统，基于 Kubernetes 构建，旨在让你用自己的硬件（PC、服务器、NAS 或专用设备 Olares One）运行一个私有化 AI 平台。它的核心定位是：把公有云 AI 的能力（LLM 对话、AI Agent、文档知识库、多模态生成）带回家，同时保证数据完全自主可控。 Olares 2…
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…
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…