coderonion/awesomellmandaigc 是一个 LLM / VLM / VLA / AIGC 领域的精选资源列表（Awesome List），按 Framework（模型/训练/推理/量化/RAG）、Application（IDE/聊天机器人/具身智能/代码助手/知识库等）、Dataset、Learning Resources、Commun…
仓库攻略
229 篇 · 226 个项目 · 多模态
wshzd/AwesomeAIGC 是一份中文 AIGC 资料汇总型仓库，以「论文分享 / 访谈 / 模型评测 / 行业动态」为单位收录条目，附带外链（arXiv、知乎、微信公众号、B 站等）。与 f/awesomechatgptprompts、Hannibal046/AwesomeLLM 这类以英文为主的清单相比，它的定位是中文圈 AIGC 早期热度阶段的…
shotscraper 是 Simon Willison 开源的一个 CLI 工具，核心功能有三块： 1. 截图 — 对任意 URL 截图，PNG/JPEG 可选，支持区域选择、Retina 分辨率、透明背景 2. 网页抓取 — 用 JavaScript 在页面内执行，提取任意内容 3. 视频录制 — 2026 年 6 月 30 日发布的 1.10 版本新增…
MindPipe 是一个统一的 LLM/VLM 模型压缩评估框架，用单一 main.py CLI 驱动 11 种量化方法、7 种剪枝方法、压缩微调联合流程，以及 PPL / lmevalharness 零样本 / VLMEvalKit 多模态三类评估。核心设计理念是：一次配置，全流程可复现。 ⚠️ 注意：本仓库同时支持 NVIDIA GPU 和华为昇腾 NP…
Tailor（中文名：泰勒）是一款本地运行的 AI 视频处理桌面工具，涵盖视频智能裁剪、视频生成和视频优化三大类共 10 种功能。核心特点是点点鼠标即可完成专业级剪辑，无需复杂的命令行操作，特别适合中文用户和短视频创作者。 ⚠️ 平台限制：目前仅支持 Windows。macOS 和 Linux 用户需通过虚拟机或双系统运行。最新版本为 20240807，功能…
shortvideomaker 是一个开源自动化短视频创作工具，通过文本脚本自动生成 TikTok / Instagram Reels / YouTube Shorts 风格的短视频。它同时暴露 REST API 和 MCP（Model Context Protocol） 接口，既可以配合 n8n 等工作流工具使用，也可以直接 API 调用。 它的定位是不需…
ipaslogoskill 是一个紧凑的 AI Agent 技能包（Agent Skill），专门用于生成极度简洁、可爱、适合商业使用的 IP 吉祥物图片。它遵循开放 Agent Skills 格式，可接入任何兼容的 AI 编程助手（Codex、Coze、Doubao、YouMind、Manus、Gemini Apps、Replit Agent 等），而非绑…
douyinmcpserver 是一个开源的抖音/字节系短视频数据提取工具，提供无水印视频下载链接获取、AI 语音识别提取视频文案两项核心功能。它同时提供 WebUI（浏览器界面）、MCP Server（AI 助手集成）、命令行三种使用方式，支持 Claude Desktop、 Cherry Studio 等支持 MCP 协议的应用。 核心语音识别使用硅基流…
RTPLLM（RealTime PrefillDecode LLM）是阿里巴巴大模型推理团队开发的高性能 LLM 推理加速引擎，脱胎于 FasterTransformer，在其基础上融合了 TensorRTLLM 的部分 CUDA kernel 实现，并参考了 vLLM 的 PagedAttention 等设计。该项目已在阿里内部广泛落地，支持淘宝问问、淘宝…
Qwen3.827B 是阿里巴巴 Qwen 团队发布的 Apache 2.0 开源多模态大模型（27B 参数，视觉+推理能力，原生上下文 256K，可扩展至 1M），Hugging Face GGUF 量化版本约 17GB（Q4_K_M），适合在中高端笔记本或迷你主机本地运行。 该模型的 reasoning_effort 参数控制隐藏推理 token 的用量…
PaperDebugger 是一款面向 Overleaf 的 Chrome 浏览器插件，为学术论文写作提供 AI 辅助——在编辑器内完成研究 → 批评 → 修订的完整工作流。核心驱动力是团队自研的 XtraMCP 编排引擎，通过多步骤推理实现类审稿人的结构化批评，而非简单的聊天式续写。 核心约束：只读不写——从不修改用户项目，仅读取并提供建议，隐私安全优先。…
Artificial Analysis Search Index（搜索 API 指数）是一个专门针对 AI Agent 搜索工具 的评测基准，由 AI 数据分析平台 Artificial Analysis（AA）于 2026 年 8 月 18 日正式发布。它的核心思路非常干净——用同一个 Agent 环境（模型、工具调用上限、评测任务完全相同），只替换底层的…
dshwallpaperengine 是一个 DeepSeek Harness（DSH）bundle（插件），其核心功能是：把你电脑上 Wallpaper Engine 的壁纸"搬"到 DSH 网页界面的后方，让 AI 对话界面自带动态桌面背景。 它的工作方式并非简单地把图片塞进 HTML 背景，而是真正地读取引擎素材——.mp4 视频壁纸直接用 <vide…
Aria（AI Research Assistant，ARIA = "AI Research Assistant" 倒写）是 Zotero 的一个本地插件，用 GPT4 系列模型为你的文献库添加对话式 AI 助手功能。装好后 Zotero 工具栏出现一个按钮，点开就能和当前选中的文献"对话"——问它摘要、方法论、找相关研究、写笔记。 最新版本： Zotero…
potholereporter 是一个纯客户端 Android 应用，用 AI 视觉检测班加罗尔（Bengaluru）道路坑洞，自动关联公共采购记录找到负责官员和承包商，生成一份可编辑的投诉邮件草稿，由你审核后手动发送。 核心特点：没有服务端、不需要账号、不自动发邮件——一切都在本地完成，你掌控每一步。App 扫描约 2,900 份政府合同记录用于关联，检测…
RAGSurvey 是一个按体系分类的 RAG 论文Awesome 列表，对应论文 RetrievalAugmented Generation for AIGenerated Content: A Survey（arXiv:2402.19473，2024 年 2 月，北大/北大深圳研究生院团队）。仓库按该论文提出的三层分类法，对 RAG 领域论文进行结构化整…
imagetolatex 是一个将数学公式图像转换为 LaTeX 代码的深度学习项目，使用 ResNet18 作为图像编码器、Transformer 作为解码器，在 im2latex100k 数据集上训练，测试集字符错误率（CER）约为 0.17。项目为独立研究者作品，没有商业依赖，适合学术写作者、科研人员和教育场景快速将印刷或手写的数学公式转为可编辑 La…
EasyAnimate 是阿里巴巴 PAI 团队开源的端到端视频生成 Pipeline，基于 Diffusion Transformer（DiT）架构，支持文生视频、图生视频、视频生视频及多种控制条件（姿态/Canny/深度/相机轨迹）。最新版本 V5.1 提供 7B 和 12B 两种规模，支持中英文双语提示词，是目前开源生态中支持控制类型最丰富的视频生成方…
VideoXFun 是阿里巴巴 PAI 团队开源的端到端 AI 视频生成流水线，基于 Diffusion Transformer（DiT）架构，支持文生视频（T2V）、图生视频（I2V）、视频生视频（V2V）、控制视频生成（ControlNet 类）以及 LoRA 微调训练。项目同时支持 CogVideoXFun 系列和 Wan2.1Fun 系列模型，覆盖从…
Goose 是一个本地优先的 WHOOP 5.0 数据项目，核心目标是绕过 WHOOP 昂贵的订阅费（$199+/年），直接从设备蓝牙获取原始数据并在本地解析为健康指标。2026 年 6 月 2 日由独立开发者 Bennett（@b_nnett）用 24 小时倒计时挑战从零构建，随后快速获得关注——发布 23.5 小时内已有可用的 app，累计 2,500+…
一份持续更新的 AI 工程面试题库，由印度理工学院（IIT BHU）校友 Amit Shekhar 创建，配套其在线课程平台 Outcome School。仓库收录了 AI Engineer、Gen AI Engineer、LLM Engineer、Agentic AI Engineer、AI Platform Engineer、MLOps/LLMOps E…
SSL4MIS（Semi Supervised Learning for Medical Image Segmentation）是一个医学影像分割领域的半监督学习论文与代码汇总仓库，由 HiLab 团队维护。它不是一个可以直接跑起来的框架或工具，而是一个持续更新的文献 + 代码索引库——追踪这个领域从 2019 年至今几乎所有重要的论文及其官方实现。 每一项…
代表攻略
无需微调：VLM 调度层填平"编排差距"，真实机器人 16.7% → 97.3% · 干货攻略
Pigey（Physical Agency orchestrator）是一个闭环 VLM 调度层，驱动已有的冻结机器人技能（frozen skills），无需任何新数据或微调，即可在仿真和真实机器人上大幅提升推理密集型任务的成功率。 核心论文："Addressing the Orchestration Gap in Generalist Robots via…
Intel Neural Compressor 是 Intel 开源的模型压缩库，专注于 LLM/VLM 的低比特量化（Lowbit Quantization），覆盖 INT8、FP8、MXFP8、MXFP4、INT4、NVFP4 等多种低精度数据类型，支持 PyTorch、TensorFlow、JAX 三大框架。 其核心定位是：Intel 官方大模型推理优…
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…
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…
DiGbench（Discovery in Games）是 2026 年 8 月 12 日由 James C.R. Whittington（牛津大学）联合多位学者发布的新型 AI 评测基准，全称 Discovery in Games。 核心设计：70 个纯文本互动游戏，每个游戏内部有隐藏的「变换规则」，AI 智能体必须通过主动交互和实验来发现这些规则，然后将…
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…
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…