AI开源项目

综合介绍 AutoMouser 是一个 Chrome 扩展程序，能够智能地跟踪用户交互，并使用 OpenAI 的 GPT 模型自动生成 Selenium 测试代码。它通过记录用户的浏览器操作并将其转换...

综合介绍 miniLLMFlow是一个极简主义的大语言模型(LLM)开发框架，其核心代码仅包含100行，彰显了"大道至简"的设计理念。该框架专门设计用于让AI助手（如ChatGPT、Claude等）能...

综合介绍 OAK（Open Agent Kit）是一个开源工具，帮助开发者快速搭建、自定义和部署AI智能体。它能连接任何大语言模型（LLM），比如OpenAI、Google或Anthropic的模型...

综合介绍 AgentLaboratory 是一个开源工具，托管在 GitHub 上，由 Samuel Schmidgall 开发。它利用大语言模型（LLM）驱动的智能代理，帮助研究人员完成科研全流程...

综合介绍 Cerebr 是一个功能强大的 Chrome 浏览器 AI 助手扩展，旨在提升用户的工作效率和学习体验。Cerebr 的设计理念源于对简洁、高效浏览器 AI 助手的需求，凭借其极简设计和强大...

综合介绍 askrepo 是一个基于LLM（大语言模型）的源代码阅读工具。它能够读取指定目录下的Git管理的文本文件内容，并将其发送到Google Gemini API，根据指定的提示提供问题的答案...

综合介绍 LLManager 是一个开源的智能审批管理工具，基于 LangChain 的 LangGraph 框架开发，专注于自动化处理审批请求，同时结合人类审核优化决策。它通过语义搜索、少样本学习和...

综合介绍 Open-VoiceCanvas 是一个开源的语音合成平台，由 ItusiAI 团队开发。它支持超过 50 种语言，可以将文字转为自然语音，还能通过上传音频克隆个性化声音。项目整合了 Ope...

综合介绍 元界AI（开源版）是一个托管在 GitHub 上的项目，，由 libn-net 团队开发。它能通过 AI 技术克隆数字人形象和声音，生成短视频，还支持配音和字幕制作。这个工具提供 Windo...

综合介绍 autoMate 是一款由 yuruotong1 在 GitHub 上开源开发的本地自动化工具，以 AI+RPA（人工智能+机器人流程自动化）为核心特色。它将大型语言模型的智能理解与 RPA...

综合介绍 StreamingT2V是Picsart AI研究团队开发的一个公开项目，专注于根据文本描述生成连贯、动态且可扩展的长视频。这项技术使用先进的自回归方式，保证了视频的时间一致性，与描述文本紧...

综合介绍 Yek 是一个基于 Rust 的快速工具，用于读取存储库或目录中的文本文件，将其分块并序列化以供大型语言模型（LLM）使用。该工具默认使用 .gitignore 规则跳过不需要的文件，并利用...

综合介绍 LAMBDA（Local Auto MailBox Draft Assistant）是一个本地化的AI邮件自动化系统，旨在从用户的邮件风格中学习，并为Gmail收件箱中的每一封未读邮件生成草...

综合介绍 Lux 是一个用 Go 语言编写的快速且简单的视频下载库和命令行工具。它支持从多个网站下载视频，包括 YouTube、Bilibili、优酷等。Lux 提供了多种下载选项和功能，如多线程下载...

综合介绍 WikiChat是由斯坦福大学开发的一款实验性聊天机器人，旨在通过从维基百科检索数据来提高大语言模型的事实性。大语言模型（如ChatGPT和GPT-4）在处理最新信息或不太流行的话题时，往往...

综合介绍 GPT-Crawler 是由 BuilderIO 团队开发的一个开源工具，托管在 GitHub 上。它通过输入一个或多个网站 URL，爬取页面内容，生成结构化的知识文件（output.jso...

综合介绍 Ovis（Open VISion）是由阿里巴巴国际数字商业集团的 AIDC-AI 团队开发的一款开源多模态大语言模型（MLLM），托管于 GitHub。该模型采用创新的结构嵌入对齐技术，将视...

综合介绍 CR-Mentor 是一个结合专业知识库与大语言模型（LLM）能力的智能代码审查工具。它不仅支持所有编程语言的代码审查，还能基于知识库积累的最佳实践，为团队定制专属审查标准和重点关注领域。通...

综合介绍 SuperCoder 是一个在终端运行的智能工具，专为程序员设计。它利用 AI 技术，帮助用户搜索代码、查看项目结构、编辑文件和修复 bug。项目由 huytd 在 GitHub 上开源，支...

综合介绍 ColiVara 是一个基于视觉嵌入技术的文档存储和检索服务。它无需光学字符识别（OCR）或文本提取，避免了表格破损或图像丢失的问题。ColiVara 支持超过100种文件格式，包括 PDF...

综合介绍 DeepEval是一个简单易用的开源LLM评估框架，用于评估和测试大语言模型系统。它类似于Pytest，但专注于LLM输出的单元测试。DeepEval结合最新的研究成果，通过G-Eval、幻...

Browse介绍 Browse AI是一个无需编码的云端网页自动化软件，旨在帮助用户无需编程便能从任意网站提取和监控数据。您只需用鼠标指点一次，就可以训练一个机器人来执行数据提取、监控和自动化的任务...

综合介绍 aisuite 是一个简单、统一的接口，旨在让开发者能够轻松调用多种生成式AI提供商的服务。通过类似于OpenAI的接口，aisuite 使得与最流行的LLM（大语言模型）进行交互变得更加容...

综合介绍 Gemini Next Chat 是一个开源项目，旨在帮助用户轻松部署私人Gemini应用。该项目支持Gemini 1.5和Gemini 2.0多模态模型，用户可以通过一键部署在Vercel...

综合介绍 Devin.cursorrules 是一个创新的开源项目，旨在将价格实惠的Cursor或Windsurf IDE（约20美元）转换为类似 Devin 这样强大的AI编程助手。该项目提供了一套...

综合介绍 AIEvo是蚂蚁集团开源的多代理框架，旨在高效创建多代理应用。该框架严格遵循SOP任务图，提升复杂任务的执行成功率，并通过反馈和监控机制确保高灵活性和可扩展性。AIEvo已在蚂蚁集团内部生产...

综合介绍 CodeWeaver 是一个命令行工具，旨在将代码库编织成单个、易于浏览的Markdown文档。它通过递归扫描目录，生成项目文件层次结构的结构化表示，并在代码块中嵌入每个文件的内容。这款工具...

综合介绍 Director 是一个开源框架，旨在通过构建智能视频代理来简化和优化视频交互和工作流程。该框架基于 VideoDB 的“视频即数据”基础设施，能够处理复杂的视频任务，如搜索、编辑、编译和生...

综合介绍 Atomic Agents 是一个围绕原子性概念设计的极其轻量级和模块化的框架，用于构建代理AI管道和应用程序。该框架提供了一组工具和代理，可以组合创建强大的应用程序。它基于 Instruc...

综合介绍 R1-Omni 是 HumanMLLM 团队在 GitHub 上推出的开源项目。它首次将强化学习与可验证奖励（RLVR）技术应用于多模态大语言模型，专注于情感识别。项目通过分析视频和音频数据...

综合介绍 Diffbot LLM推理服务器是一个创新的大规模语言模型系统，它基于LLama模型架构进行了特殊优化和改进。该项目最大的特点是将实时知识图谱（Knowledge Graph）与检索增强生成...

综合介绍 AutoFlow 是由 PingCAP 开发的开源工具，旨在通过 TiDB 无服务器向量存储构建基于图的知识库。它集成了 LlamaIndex 和 DSPy 框架，支持复杂的对话搜索和知识图...

综合介绍 MTranServer 是一个专注于离线翻译的开源服务器项目，托管于 GitHub，由开发者 xxnuo 创建。它最大的亮点是超低的资源需求，仅需 CPU 和 1GB 内存即可运行，无需 G...

综合介绍 HunyuanVideoGP是一个由DeepBeepMeep开发的大规模视频生成模型，专为低端GPU用户设计。该模型是对原始Hunyuan Video模型的改进版本，显著降低了内存和显存需求...

综合介绍 PydanticAI是一个基于Pydantic的Python代理框架，旨在简化生成式AI应用的开发。它由Pydantic团队开发，支持多种模型（如OpenAI、Gemini、Groq等），并...

综合介绍 Vibe Draw 是一个开源项目，它由 Martin Sit 开发，能让用户把手绘草图变成漂亮的 3D 模型。这个工具的目标很简单：让任何人都能轻松做 3D 建模，不需要高超的艺术技巧或复...

综合介绍 IMS Toucan 是由德国斯图加特大学自然语言处理研究所（IMS）开发的一个先进的文本转语音（TTS）工具包。该工具包支持超过7000种语言，具有快速、可控且计算资源需求低的特点。IMS...

综合介绍 Autiobooks 是一款开源工具，旨在帮助用户将 .epub 格式的电子书快速转换为 .m4b 格式的有声书。它采用 Kokoro 提供的优质语音合成技术，生成的音频自然流畅。这款工具由...

综合介绍 TankWork是一个开源的桌面代理框架，旨在通过计算机视觉和系统级交互，使AI能够感知和控制您的电脑。该框架允许代理通过语音和文本命令直接控制计算机，处理实时屏幕内容，并提供连续的音频视觉...

综合介绍 WhoDB 是一个轻量级（约20MB）、功能强大且用户友好的数据库管理工具，旨在简化数据库管理任务。它结合了 Adminer 的简洁性，并在用户体验和性能上进行了增强。WhoDB 使用 Go...

综合介绍 GPTMe是一款革命性的终端AI助手工具，专为提升开发者工作效率而设计。它将强大的AI能力与终端环境完美结合，支持代码执行、文件编辑、网页浏览和视觉识别等多样化功能。作为ChatGPT代码解...

综合介绍 AutoGPT是一个强大的平台，旨在帮助用户创建、部署和管理连续运行的AI代理，自动化复杂的工作流。该平台由Significant Gravitas开发，提供了多种工具和功能，使用户能够专注...

综合介绍 PrivateGPT是一个可用于生产环境的AI项目，允许用户在没有互联网连接的情况下，使用大型语言模型（LLMs）对文档进行问答。该项目确保100%的数据隐私，所有数据都在用户的执行环境中处...

综合介绍 JoyGen是一个创新的两阶段说话人脸视频生成框架，专注于解决音频驱动的面部表情生成问题。该项目由京东科技团队开发，采用先进的3D重建技术和音频特征提取方法，能够准确捕捉说话人的身份特征和表...

综合介绍 知识表（Knowledge Table）是一个开源项目，旨在简化从非结构化文档中提取和探索结构化数据的过程。用户可以通过自然语言查询接口创建结构化的知识表示，如表格和图形。该工具支持自定义提...

综合介绍 AI 播客生成器是一个智能化的播客生成工具，利用先进的 AI 技术从网络资源中自动创建引人入胜的音频内容。该系统通过抓取新闻内容，生成自然流畅的叙述，并将其转换为音频播客。项目基于 Next...

综合介绍 Mini-Cover 是一个开源的在线封面生成工具，专为博客、短视频和社交媒体等平台生成个性化封面。该工具由 JLinMr 开发，旨在提供一个简洁高效的解决方案，帮助用户快速生成符合自己需求...

综合介绍 TryOffAnyone是一款突破性的AI图像处理工具，专门用于解决电商领域中服装展示的难题。它能够将真人穿着状态下的服装照片智能转换为平铺展示效果图，这项技术基于最新的Latent Dif...

综合介绍 AI-Infra-Guard 是由腾讯混元安全团队朱雀实验室开发的一款开源AI基础设施安全评估工具，旨在帮助用户快速发现和检测AI系统中的潜在安全风险。该工具支持对30多种AI框架和组件进行...

综合介绍 Open Operator 是一个开源项目，旨在通过AI智能体在浏览器中进行自动化操作。该项目由 Browserbase 开发，结合了 Stagehand 和 Browserbase 的技术...

综合介绍 Thin-Plate-Spline-Motion-Model是一个在CVPR 2022会议上发表的开创性图像动画生成项目。该项目基于薄板样条变换理论，能够将静态图像根据驱动视频实现高质量的动...

综合介绍 WordPress AI助手插件（wp-ai-chat）是一个开源的WordPress插件，旨在为用户提供多种AI功能，包括AI对话、文章生成、文章总结、文章翻译和内容朗读。该插件支持对接多...

综合介绍 Agent Laboratory 是一个端到端的自主研究工作流，旨在帮助研究人员实现他们的研究想法。该系统由大型语言模型驱动的专用代理组成，支持整个研究工作流——从进行文献综述和制定计划到执...

综合介绍 文本提取API（text-extract-api）是一个强大的工具，旨在从各种文档格式（如PDF、Word、PPTX等）中提取和解析内容。该API利用最先进的光学字符识别（OCR）技术和Ol...

综合介绍 SimGRAG（SimGRAG: Leveraging Similar Subgraphs for Knowledge Graphs Driven Retrieval-Augmented G...

综合介绍 Model Context Provider CLI（mcp-cli）是一个用于与模型上下文提供服务器交互的协议级命令行工具。该工具允许用户发送命令、查询数据并与服务器提供的各种资源进行交互...

综合介绍 DiffPortrait360 是一个开源项目，隶属于 CVPR 2025 论文《DiffPortrait360: Consistent Portrait Diffusion for 360...

综合介绍 Higress是阿里巴巴开发的一款云原生API网关，基于Istio和Envoy构建，旨在提供高效的流量调度、服务治理和安全防护解决方案。它支持多种编程语言的Wasm插件扩展，适用于AI业务...

综合介绍 DevDocs 是一个完全免费的开源工具，由 CyberAGI 团队开发，托管在 GitHub 上。它专为程序员和软件开发者设计，能从技术文档的网址开始，自动爬取相关页面并整理成简洁的 Ma...

综合介绍 Vision Parse是一个革命性的文档处理工具，它巧妙地结合了最先进的视觉语言模型(Vision Language Models)技术，能够将PDF文档智能转换为优质的Markdown格...

综合介绍 Podcastfy 是一个开源的 Python 软件包，利用生成式人工智能（GenAI）技术，将网页内容、PDF 文件、文本、图像、youtube 视频等多种来源的内容转换为引人入胜的多语言...

综合介绍 Crawl4LLM 是一个由清华大学和卡内基梅隆大学联合开发的开源项目，专注于优化大模型（LLM）预训练的网页爬取效率。它通过智能选择高质量网页数据，显著减少无效爬取，号称能将原本需要爬取1...

综合介绍 OpenDeepSearch 是一个开源的搜索工具，由 sentient-agi 团队开发。它结合了大型语言模型（LLM）和智能推理代理，让用户可以用简单的方式搜索网页信息并获取准确答案。这...

综合介绍 Crawlee 是一个由 Apify 开发的开源网络爬虫和浏览器自动化库，专为 Node.js 环境设计。它支持 JavaScript 和 TypeScript，能够与 Puppeteer...

综合介绍 ANUS（Advanced Neural Understanding System，高级神经理解系统）是一个托管在 GitHub 上的开源 AI 代理框架，由用户 nikmcfly 通过提示...

综合介绍 dsRAG是一款高性能检索引擎，专门用于处理非结构化数据的复杂查询。它在处理密集文本（如财务报告、法律文件和学术论文）中的挑战性查询时表现尤为出色。dsRAG采用了三种关键方法来提高性能：语...

综合介绍 OmniParser是一个由微软开发的工具，旨在解析用户界面截图，将其转化为结构化且易于理解的元素。这一工具显著提升了GPT-4V在对应界面区域生成准确操作的能力。OmniParser不仅支...

综合介绍 MM-EUREKA 是一个由上海人工智能实验室、上海交通大学等多方合作开发的开源项目。它通过基于规则的强化学习技术，把文本推理能力扩展到多模态场景，帮助模型处理图像和文字信息。这个工具的核心...

综合介绍 RAIN（Real-time Animation Of Infinite Video Stream）是一个开源项目，旨在实现实时生成无限视频流的动画效果。该项目由Pscgylotti开发，提...

综合介绍 Swarm是由OpenAI开发的一个实验性教育框架，旨在探索多代理系统的轻量级、可控和易于测试的接口。该框架主要用于展示代理之间的交接和例程模式，帮助开发者理解和实现多代理系统的协调与执行...

综合介绍 BrownChat 是一个基于大型语言模型（LLM）技术的实时音频聊天应用。该项目由 GitHub 用户 sugarforever 开发，旨在通过先进的自然语言处理技术提升用户的沟通体验。B...

综合介绍 OpenSumi Lite 是一个基于 OpenSumi 项目的纯前端 IDE 解决方案，旨在提供无需 Node.js 环境的代码查看与编辑功能。该项目由阿里巴巴集团和蚂蚁集团共同开发，采用...

综合介绍 Story-Flicks 是一个开源的AI工具，专注于帮助用户快速生成高清故事视频。用户只需输入一个故事主题，系统会通过大语言模型生成故事内容，并结合AI生成的图像、音频和字幕，输出完整的视...

综合介绍 Supermemory 是一个开源项目，旨在帮助用户构建自己的“第二大脑”。它通过一个功能强大的 Chrome 扩展程序和AI技术，让用户能够轻松保存、组织和检索来自网页、Twitter书签...

综合介绍 Bambo是一个新型的代理框架，与主流框架相比，它更加轻量和灵活，能够处理各种负载任务。Bambo通过定义工具目录中的所有工具，并使用异步自定义函数来实现高效的代理功能。用户可以在llm_c...

综合介绍 GPT-Telegram-Worker 是一个基于 Cloudflare Workers 的多模型 AI Telegram 机器人，支持 OpenAI、Claude、Azure 等多个 AP...

综合介绍 Lumina-mGPT-2.0 是由上海人工智能实验室（Shanghai AI Laboratory）、香港中文大学（CUHK）等机构联合开发的开源项目，托管于 GitHub，由 Alpha...

综合介绍 OmAgent是由Om AI Lab开发的一个多模态智能体框架，旨在为智能设备提供强大的AI驱动功能。该项目通过整合最先进的多模态基础模型和智能体算法，使开发者能够在各种智能设备上创建高效...

综合介绍 LLM API Engine 是一个开源项目，旨在帮助开发者快速构建和部署AI驱动的API。该项目利用大语言模型（LLM）和智能网页抓取技术，允许用户通过自然语言描述来创建自定义API。其主...

综合介绍 NoneBot DeepSeek 插件是一个集成了 DeepSeek 模型的 NoneBot 插件，旨在提供智能对话与问答功能。通过接入 DeepSeek 模型，用户可以在 NoneBot ...

综合介绍 NVIDIA AI Blueprint: PDF to Podcast 是一个由NVIDIA开发的开源项目，旨在将PDF文档转换为引人入胜的音频内容。该项目利用NVIDIA NIM（NVID...

综合介绍 BotSharp是基于.NET Core的一个开源项目，致力于提供一个全面的AI聊天机器人平台构建工具。它采用C#编程，支持跨平台操作，旨在简化机器学习算法的应用，使企业级开发者能够高效地将...

综合介绍 3FS（Fire-Flyer File System）是由DeepSeek团队开发的一款开源并行文件系统，专为现代SSD和RDMA网络设计，旨在大幅提升数据访问效率。它在180节点集群中实现...

综合介绍 TripoSF 是 VAST-AI-Research 团队打造的一个开源项目，专门用来从单张图像快速生成高分辨率的 3D 模型。它用了一种叫 SparseFlex 的技术，处理效率高，能在普...

综合介绍 Text2Voice 是一个开源工具，基于硅基流动 API 提供文本转语音功能，最大的特点是带有简洁的图形用户界面（GUI）。它由开发者 Sheldon Lee 在 GitHub 上创建，让...

综合介绍 HivisionIDPhotos 是一款开源的轻量级 AI 证件照制作工具，能够智能识别用户拍照场景并进行抠图，生成符合多种规格的标准证件照。该工具支持自定义背景色和尺寸，未来还将推出美颜和...

综合介绍 PR-Agent 是一个由 Qodo 开发的开源工具，旨在通过 AI 技术自动化处理拉取请求（Pull Request）。该工具能够提供自动化的反馈、建议和分析，帮助开发者更高效地进行代码审...

综合介绍 AudioNotes 是一个基于 FunASR 和 Qwen2 构建的音视频转结构化笔记系统。它能够快速提取音视频内容，并调用大模型进行整理，生成一份结构化的 Markdown 笔记，方便用...

综合介绍 HelloMeme 是由 HelloVision 开发的一个开源项目，旨在通过集成空间编织注意力机制（Spatial Knitting Attentions）在扩散模型中嵌入高层次和高保真条...

综合介绍 Markdown to Image 是一个用于将Markdown文本渲染为视觉上吸引人的社交媒体图片的React组件。该项目还包括一个内置的网页编辑器，可以作为在线Markdown到海报编辑...

综合介绍 InspireMusic 是一个基于 PyTorch 的开源工具包，专注于音乐、歌曲和音频生成。它提供了一个统一的框架，通过文本提示、音乐结构和音乐风格等控制生成高质量的音频。Inspire...

综合介绍 SFT-data-builder 是一个开源项目，旨在利用免费的大模型API结合用户的私域数据生成高质量的SFT训练数据。该工具支持多种AI模型格式，并提供一键生成、批量生成、灵活编辑和本地...

综合介绍 UltraPixel 是一项先进的超高分辨率图像生成技术，旨在创造出极高质量、细节丰富的图像。该项目由 GitHub 用户 catcathh 开发，并在 NeurIPS 2024 上展示。U...

综合介绍 DeepSeek-R1-FP4 是由 NVIDIA 开源并优化的一个量化语言模型，基于 DeepSeek AI 的 DeepSeek-R1 开发。它通过 TensorRT Model Opt...

综合介绍 MoshiVis 是 Kyutai Labs 开发的一个开源项目，托管在 GitHub 上。它基于 Moshi 语音-文本模型（7B 参数），新增了约 2.06 亿个适配参数和冻结的 Pal...

综合介绍 CortexON 是一个开源的多代理 AI 系统，托管在 GitHub 上，网址为 https://github.com/TheAgenticAI/CortexOn。它由 TheAgenti...

综合介绍 MuseGAN是一个基于生成对抗网络（GAN）的音乐生成项目，旨在生成多轨（多种乐器）音乐。该项目能够从零开始生成音乐，或根据用户提供的轨道进行伴奏。MuseGAN使用Lakh Pianor...

综合介绍 Reactive Resume 是一个免费且开源的简历生成器，旨在简化创建、更新和分享简历的过程。该平台注重用户隐私，没有任何用户跟踪或广告。用户可以在不到30秒内自托管应用程序，完全掌控自...

综合介绍 Docs 是一个开源的协作笔记和文档管理平台，由 suitenumerique 团队开发。它使用 Django 和 React 技术构建，目标是提供一个简单易用的工具，帮助用户记录笔记、管理...