aiengineeringfromscratch 是一个从数学基础到多 Agent 生产部署的系统性 AI 工程课程，包含 503 节课程、20 个阶段，覆盖 Python / TypeScript / Rust / Julia 四种语言，MIT 许可证，完全免费。 它的核心理念是 Build It Before You Use It——在学习任何框架或工具…
仓库攻略
160 篇 · 159 个项目 · tom · 多模态
UnlimitedOCR 是百度开源的多模态文档解析模型，定位是「一键长文档解析」——单张图片、PDF 多页、整本手册均可一次性处理，输出结构化文本。发布于 2026 年 6 月，arXiv 论文编号 2606.23050。 官方将其定位为对 DeepSeekOCR 的进一步推进，核心能力： 传统 OCR + NLP 管道有三个常见痛点： 1. 多步骤串联：…
Open Generative AI（简称 OGA）是一个免费的、开源的 AI 图像与视频生成桌面应用，内置 200+ 模型（Flux、Midjourney、Kling、Sora、Veo、Seedance 2.5 等），无内容过滤器、无审查，MIT 协议可自托管，本质上是 MuAPI.ai 的前端桌面封装。 核心定位：绕过商业 AI 视频平台的内容限制，让用…
RuView 是一个基于 WiFi CSI（信道状态信息） 的空间智能感知系统——利用普通路由器发出的无线信号，经墙壁反射后的人体扰动来检测：有人在与否、呼吸频率、心率、跌倒、活动姿态、房间占用情况。全程不需要任何摄像头、麦克风或可穿戴设备。 核心技术：用 ESP32 板子 + Cognitum Seed（边缘 AI 协处理器）读取 WiFi CSI 数据，…
OOMWOO 是一个完全开源的自制扫地机器人项目，目标是用树莓派（Raspberry Pi 5）、ROS2、Home Assistant 和 3D 打印技术，打造一台价格亲民、支持 2D LiDAR 地图构建与自主导航的家用清洁机器人。Apache License 2.0（代码），Stars 3.4k，当前版本 v0（barebones 阶段）。 项目核心特…
obsidianskills 是由 kepano（Obsidian 核心插件开发者）维护的 Agent Skills 集合，让 AI 编程助手（Claude Code、Codex、OpenCode 等）能够理解并操作 Obsidian 的专有格式。遵循 Agent Skills 规范，以 .claude/skills/ 目录结构 + SKILL.md 元数据…
HyperFrames 是 HeyGen 开源的HTML 到 MP4 视频渲染框架，stars 33K+（另有同名仓库差异），周增 +651。核心能力：用写网页的方式定义视频——视频即 HTML，动画即 seekable 动画，渲染引擎通过 headless Chrome seek 到指定帧并用 FFmpeg 编码输出确定性 MP4。 设计上深度面向 AI …
Open Design 是 Claude Design（Anthropic 2026 年 4 月发布的 AI 设计工具）的开源替代方案。它是一个本地优先的 Agentic 设计工作空间，让你的代码 Agent（Claude Code / Codex / Cursor 等）直接成为设计引擎，输出真实可用的原型页面、数据看板、演示文稿、图片和视频。 核心特点： …
UI UX Pro Max Skill 是一个面向 AI coding agent 的设计智能 Skill，核心功能是 Design System Generator（设计系统生成器）——根据你描述的项目类型，自动推理并输出完整的设计系统：页面模式、配色、字体、动效、行业反模式、交付检查清单，全部结构化输出。 它不是一次生成一个按钮样式，而是根据"我要做一个…