NaturePaperSkills 是一套面向 Codex（ChatGPT）和 Claude Code 的 AI 科研写作技能集，27 个 skill 将论文全生命周期串成一条连续工作流：从立项定位、结构论证、图表设计，到科学写作、引用核验、审稿回复，覆盖 Nature 系列生命科学、计算生物学与方法学论文的写作与修订。 核心理念：论证先于语言——先明确科学…
仓库攻略
160 篇 · 159 个项目 · tom · 多模态
Hermes Gadget SDK 是一个为 Hermes Agent 配套的设备端开发包，让你把 ESP32S3 开发板、Raspberry Pi 4/5，或者纯桌面模拟器，变成一个可以按住说话、放开发送、听到 AI 回答的实体对话设备。 它的核心设计哲学是设备保持轻薄：语音识别、语音合成、LLM 推理全部跑在主机侧（树莓派或电脑），设备只负责音频采集、屏…
PhotoCraft 是用纯 Rust 从零实现的开源 Adobe Photoshop 替代品，隶属于 ArtCraft 社区。与依赖 Electron/WebView 的方案不同，它使用 wgpu 作为 GPU 渲染后端，支持 Metal、Vulkan、DX12 和 WebGPU，覆盖 macOS、Windows、Linux、FreeBSD，并可通过 We…
FastEmbed 是一个轻量、快速的 Python 向量嵌入生成库，由 Qdrant 团队开发和维护。它使用 ONNX Runtime 替代 PyTorch 作为推理后端，主打「无需 GPU、不下载 GB 级 PyTorch 依赖」就能跑 StateoftheArt 嵌入模型。 核心能力覆盖：稠密文本嵌入、稀疏嵌入（SPLADE++）、晚交互嵌入（ColB…
辞达（Cida，取自《论语》"辞达而已矣"）是一个 macOS 菜单栏应用，用你选择的大模型在 Mac 的任何地方翻译和润色文字。它不是一个独立的翻译引擎，而是一个调用层——支持 OpenAI Chat Completions、Responses API、Anthropic Messages 三种接口，以及任何兼容 OpenAI 协议的本机模型（如 核心定位…
BeefTV 是一款本地优先的轻量级 AI 原生视频创作工作台。它在一个自由画布上连接创意、模型与素材，支持从提示词或参考素材直接生成文字、图片、视频与音频，并允许用户对生成结果继续裁切、标注、局部重绘、拆分和组合迭代。 核心理念：AI 不是附加按钮，而是工作流的一部分。生成、参考与工具能力都长在画布上，结果写回后可继续编辑、可复用、可继续生成。 技术栈：桌…
OmaPhoto 是 macOS 上的专业图层图像编辑软件 Compositor 的 Linux 移植版，优先面向 Omarchy 桌面环境。采用 Qt 6.4+ / C++20 构建，支持完整的图层、蒙版、选区、滤镜体系，可读写 Compositor 的 .comp 项目文件，设计师可以在 macOS 和 Linux 之间无缝迁移工作流。 Composit…
PolymarketPerpetualBot 是一个面向 Polymarket 预测市场的终端交易机器人，基于 Polymarket 的 Polygon CLOB（Central Limit Order Book）API 构建。它以键盘驱动的 TUI（终端用户界面）呈现，集成了行情浏览、实时订单簿查看、策略引擎和持仓追踪四大模块，支持模拟交易（paper t…
BridgeClip 是一款开源 AI 视频剪辑桌面应用，由 BridgeMind 开发，核心场景是将播客、直播、YouTube/Twitch 录播自动剪辑成带字幕的短视频片段。它本质上是一条本地 AI 流水线：用 ytdlp 下载源视频或解析链接 → 调用 OpenRouter 上的转录模型生成时间轴字幕 → 调度 LLM 找出"最有传播力的时刻" → 用…
Helix 是一个私有 AI 编程 Agent 编队平台，让团队在自有的 GPU 基础设施上运行多个并行的 AI 编程 Agent——每个 Agent 有自己独立的 GPU 加速 Linux 桌面（内置 IDE、终端、浏览器、文件系统），通过 Spec 驱动的 Kanban 看板组织任务，从需求描述到 PR 合并形成完整流程。 核心定位：不再让所有 Agen…
jevchatjarvismac 是一个macOS 悬浮窗助手，专门为聊天场景设计：当聊天应用（微信 / QQ）收到消息时，它立刻读取屏幕内容，用本地模型判断发送者的真实意图和风险等级，再生成候选回复供你一键复制或填入输入框。整套流程纯本地运行，不截图、不 OCR 解密数据库、不注入任何内容——只是"看屏幕 + 本地模型判断"。 核心定位：把"对方这句话到底…
screenpipe 是一款本地优先的 24/7 屏幕与音频录制工具，核心理念是"给 AI 装上眼睛和耳朵"。它持续捕获你的屏幕内容（通过 macOS/Windows 辅助功能 API，OCR 兜底）和系统音频（Whisper 本地转录），全部存在本地 SQLite 数据库中，让 AI 助手可以随时查询你"过去 5 分钟看了什么""今天和谁开过会"。 技术栈…
Kev 是一个小尺寸的决策模型（Decision Model）家族，基于 Qwen3.5 基座构建，架构思路来自 Jev（见 Jev's Architecture Unmasked）。它用 LoRA adapter + pointer head 的方式，让你可以在自己的机器上训练和运行私有化决策模型，返回的不是自由文本，而是类型化的概率决策——支持二选一（n…
SemIf（Semantic Ifs）是一个用开源 LLM 直接读取 typed option logits做运行时决策的开源工具。它让模型在单次前向传播内直接输出选项概率，而无需生成文本再解析——"不要 token，只要 logits"。 原名 OpenJev，后改名 SemIf，是独立研究项目，非 Jev / TypeSafe 官方。Jev 是 Type…
OpenJev 是一个开源项目，试图在消费级 GPU（RTX 3090）上复现 TypeSafe 的 Jev 服务——一种语义决策操作符（semantic decision operator）。它的核心思路是：不让模型生成文本，而是直接读取模型在固定 answer token 上的 logits，经过一次 softmax 得到每个选项的概率。 ⚠️ 本仓库复…
Pax（Parallel AXis）是 Google 基于 JAX 构建的大规模神经网络训练框架，专门针对需要跨多个 TPU 加速器切片（slice）或 Pod 扩展的超大规模模型设计。Pax 的核心理念是最大化 ML 研究与部署的效率，尤其在超大规模分布式训练场景下表现突出，官方称其达到了业界领先的 Model FLOPs Utilization（MFU）…
这是一个在 34 台 NVIDIA DGX Spark 节点上通过 SGLang 部署 DeepSeekV4.1Flash 模型的生产级推理方案。模型以 MXFP4 稀疏专家 + FP8 密集权重运行，KV Cache 由 NVMe + 统一内存共同支撑，提供 OpenAI 兼容的 /v1/chat/completions 接口，支持 Tool Callin…
Rubric 是一个 Schemafirst 结构化提取库：你定义一个 Zod schema，它把这个 schema 挂到 LLM 请求上，从回复中抽出 JSON，校验其是否符合 schema，不符合就自动 reask（重问），直到返回合规结果或重试次数耗尽。 核心能力：定义 schema → 提取 JSON → 校验 → reask 循环（最多 3 次），…
fastembedrs 是 Qdrant/fastembed（Python 版）的 Rust 实现，本地生成向量嵌入（vector embeddings）和重排序（reranking）的纯 Rust 库。无需网络请求、无 Python 依赖、无 Tokio 异步运行时，所有模型在本地通过 ONNX Runtime（via @pykeio/ort）执行。 ⚠️…
一个开箱即用的部署配方（recipe），用于在单台 NVIDIA DGX Spark（GB10，121 GiB 统一内存）上通过 vLLM 服务 Qwen3.8FlashNextNVFP4 大模型。 核心工程挑战：Qwen3.8FlashNext 原版 FP8 权重约 135 GB，单台 Spark 只有 128 GB 统一内存，直接跑会 OOM。这个配方通…
OpenWAM 是一个开放的世界动作模型（WorldAction Model, WAM）模块化研究栈，用于系统性地开发和比较世界模型 + 动作预测的联合方案。简单说：它把训练一个机器人策略（给定视频观测 → 输出动作）需要做的所有耦合决策（骨干网络、表示方式、训练策略、推理部署、评测基准）全部拆成可插拔的 Hydra 配置模块，让你可以在同一套代码下换着玩、…
pierrenade/shortvideogeneratorAI 是一个将 YouTube 视频或本地视频自动转化为竖屏短视频（Shorts / Reels）的开源工具，主打免费、无水印、AI 驱动的精彩片段提取 + 字幕 + 配音全流程一条龙。 它的核心链路是：输入 YouTube 链接（或本地视频）→ fasterwhisper 字幕提取 → LLM 识…
Caura（前身 MemClaw）是一个面向多租户、多 Agent 舰队（fleet）的开源共享记忆系统。它解决的核心问题是：当企业部署数十甚至数千个 AI Agent 时，如何让它们共享学习成果、统一治理记忆、避免重复犯错。 三个核心支柱：写（write）→ 召回（recall）→ 复合（compound），每轮交互都让下一次更聪明。Agents 只写纯文…
PyGPT 是一个开源桌面 AI 助手，用 Python 开发，支持 Linux / Windows 1011 / Mac 三平台。它的工作方式类似 ChatGPT，但完全离线运行在你自己电脑上——API 密钥你自己管，数据不经过任何第三方服务器。 当前版本 2.8.6（build 20260903），支持从 GPT5、GPT4、o1/o3/o4，到 Goo…
course2md 是一个将 YouTube、Bilibili 或本地视频（网课、录屏、会议录像）转换为带截图的图文 Markdown / HTML 讲义的命令行工具。核心流程：下载视频 → 按画面变化采样关键帧截图 → 语音识别转文字 → 自动对齐文字与截图 → 输出结构化笔记。最新版本 v0.7.0（2026） 新增断点续传与 LLM 字幕润色功能。 看…
jamditis/claudeskillsjournalism 是一个面向新闻从业者、研究人员、学术界人士和媒体传播从业者的 Claude Code Skills 集合。它不是一个大模型，不是一个 API，而是一套模块化的提示词技能包（Agent Skills），在 Claude Code（或 Codex）执行相关任务时自动加载对应的领域知识、工作流和模板。…
AgentField 是一个开源的 AI 后端控制平面（Control Plane），核心理念是：把 AI Agent 构建得像 REST API 一样可调用，像微服务一样可横向扩展。 传统 Agent 框架（LangChain、AutoGPT 等）侧重于单个 Agent 的提示词工程与工具调用；AgentField 的着眼点完全不同——它是把每个 Agen…
AwesomeAIGCTutorials 是一个人工策划的 AIGC 学习资源合集，按主题分为 Large Language Models（LLM）、AI Painting、AI Audio、Multimodal、Deep Learning、AI System 等大类，收录大学课程（Stanford CS324、CMU 11667 等）、行业培训（DeepL…
Mirage 是一个面向 AI Agent 的统一虚拟文件系统（Unified Virtual Filesystem）。它的核心思想是：把 S3、Google Drive、Slack、Gmail、Redis、GitHub 等各种服务和数据源，以目录的形式挂载到同一个虚拟根目录下，让 AI Agent 用熟悉的 ls、grep、cat 等命令就能跨后端读写数据…
gongminmin/awesomeaigc 是一个 AIGC（AI Generated Content）技术分类索引库，按模态（文本→图像→视频→3D→语音→音乐）和任务类型对主流 AIGC 项目进行结构化整理。每个条目标注 TRL（Technology Readiness Level，技术成熟度等级），参考 NASA TRL 标准，从 1（基础原理）到 …