仓库攻略

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…

ParseBench 是 LlamaIndex 在 CVPR 2026 上发布的首个面向 AI Agent 的文档解析评测基准（arXiv:2604.08538，cs.CV）。 它的核心命题是：文档 OCR 不是"把 PDF 转成文字"，而是必须保留足够的结构和语义，让 Agent 能可靠地自主决策。一旦表格列对齐错位、小数点丢失、删除线被静默丢弃，Agen…

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…

Retrieval Harness 是 LlamaIndex 在 2026 年提出的一种面向 Agent 的持久化检索架构模式，其参考实现为 runllama/legalkb（法律文档知识库 Demo）。 区别于传统的单次向量搜索 RAG，Harness 将文档知识库包装成一组类文件系统 API 工具（retrieve / findFiles / readF…

FastVideo 是 MBZUAI Hao Zhang 实验室主导的"统一视频生成推理 + 后训练（蒸馏/微调）框架"。它不是某个视频生成模型本身，而是一套面向 DiT 类视频扩散模型（Wan、Mochi、Hunyuan、CausalWan 等）的训练蒸馏推理一站式底座，目标是让视频生成既能微调，又能跑得快、跑得便宜。 仓库内同时包含 4 个层次的产出： …

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…

OpenViking 是字节跳动旗下火山引擎（Volcengine）开源的、面向 AI Agent 的「上下文数据库」（Context Database）。它用「文件系统范式（filesystem paradigm）」统一管理 Agent 运行所需的全部上下文：长期记忆（memory）、外部知识与资源（resources）、可调用的技能（skills）。 与…

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…

VLMEvalKit（Python 包名 vlmeval）由上海人工智能实验室 OpenCompass 团队开源，是大型视觉语言模型（LVLM / VLM）的事实标准评估工具包。它的口号是 "一命令评测 220+ LVLM、80+ benchmark" —— 用户只写一个 generate_inner()，剩下的数据下载、预处理、推理、metric 全部由框…

lmmseval（Python 包名 lmmseval，前身为 LMMsEval）是 EvolvingLMMsLab 维护的"统一多模态大模型评估工具包"。目标只有一个：让"同一个模型 + 同一个 benchmark + 同一套参数"在两台机器上跑出来数字一致，并且能覆盖文本、图像、视频、音频四大模态的 100+ 任务、30+ 模型后端。 它脱胎于 Eleu…

opendilab/awesomeRLHF 是上海人工智能实验室 OpenDILab 维护的 "RLHF 精选资源列表"，延续 awesome 系列的策展风格：把强化学习与人类反馈（Reinforcement Learning from Human Feedback）相关论文、代码库、数据集、博客、图书按时间线（2020 及以前 → 2026）梳理成一份可阅…

rasbt/reasoningfromscratch 是 Sebastian Raschka（Build a Large Language Model (From Scratch) 的作者）出版的第二本 Manning 图书 Build a Reasoning Model (From Scratch) 的官方配套代码仓库。整本书/仓库的目标是：从一个已经预训…

vuejs/awesomevue 是 Vue.js 生态最知名的 Awesome 精选列表，由 Vue.js 官方团队（vuejs/ 组织）维护。它收录了与 Vue.js 相关的优质开源项目、学习资源、社区生态工具，按类别精心组织，目前 GitHub Stars 数超过 73,000（数据来源：20260715 工作队列）。 这是一个纯 curated li…

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 …

OpenLLM 是一个开源的 LLM 推理服务框架，让你用一条命令把任何开源大模型（Llama 3.3、Qwen2.5、Mistral、DeepSeek 等）启动为 OpenAI 兼容的 HTTP API，并自带一个 Web Chat UI。它基于 BentoML 构建，支持 Docker 部署和 BentoCloud 云端托管，适合需要自托管 LLM AP…

pandoclatextemplate 是 Wandmalfarbe 维护的 pandoc LaTeX 模板（代号 Eisvogel），目标是让你的 Markdown 直接转出"看起来像正式出版物 / 讲义"的 PDF 或 .tex，免去手写 LaTeX 模板的痛苦。 模板自带： 自定义封面页（可指定背景色、字体色、logo、整页背景图） 整本可读的正文页（…

LaTeXOCR（开源包名 pix2tex）是一个基于深度学习的 OCR 工具，专门把数学公式的图片还原为 LaTeX 代码。输入一张公式截图，输出对应的 LaTeX 文本——支持印刷公式也支持部分手写公式。 它由 ViT（Vision Transformer）编码器 + ResNet 主干网络 + Transformer 解码器 组成，在 im2latex…

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…

awesomedocker 是一个精选的 Docker 生态资源列表（Awesome List），由 Veggiemonk 维护，收录了与 Docker 容器技术相关的优质开源项目、工具、服务和学习资源。它不是某个具体的软件，而是一份" Docker 生态地图"，帮助开发者快速找到适合自己场景的工具。 GitHub Stars 36422（持续增长中），是 …

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…

kritaaidiffusion 是开发者 Acly 给开源绘图软件 Krita 写的生成式 AI 插件。它把扩散模型（Stable Diffusion 1.5 / XL / Illustrious / Flux、ZImage + ControlNet / IPAdapter）作为 Krita 的"生成式图层工具"暴露出来，强调两件事： 1. 精度与控制：用…

zoterostyle（中文社区里常叫 "Ethereal Style"）是作者 MuiseDestiny 用 windingwind/zoteroplugintemplate 写出来的 Zotero 文献管理器样式增强插件。它在 Zotero 的条目列表（item table）上重做 / 新增一批「列」，把文献管理与阅读状态变成视觉化、可一眼扫的东西，包括…

DataJuicer（简称 DJ）是一个为 foundation model 时代打造的数据操作系统，专注于将混乱的原始数据转化为 AI 可用的精炼数据。它把数据处理看成是可组合的基础设施，提供模块化的构建块来完成清洗、合成和分析，覆盖 AI 全生命周期的数据处理需求。 用大白话说：它是一个超大型数据处理工具箱，内置 200+ 算子（Operator），可以…

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…