🔥 热榜

用于从代码、文档及多媒体项目资料中构建和查询知识图谱，关联跨文件、跨模块的实体与关系。典型用途包括理解大型代码库、追踪概念和调用路径、查找代码依据，以及探索和共享项目文档。

把代码、文档、SQL、配置和PDF压成一张可查询图谱，再作为技能挂进多款编码代理，亮点在跨 artifact 的确定性本地建模。

AI 模型项目，主要围绕图像与视觉处理、工作流编排。

把视频仿制组织成智能体批量生产流程后，最值得讨论的是换脸、改词与替换素材如何划定原创和授权边界。

这是一个根据主题或关键词自动生成短视频的工具，可完成脚本、配音、素材、字幕、背景音乐与剪辑合成。适用于批量制作不同画幅和语言的短视频，并发布到 TikTok、Instagram、YouTube Shorts 等平台。

把文案、配音、字幕、素材拼成一条全自动流水线是这个项目的核心，输入关键词直接吐出成片，但也意味着生成质量完全取决于上游模型和素材库的水平。

用于自动移除语言模型审查或安全对齐的开源工具，旨在减少模型对敏感请求的拒答并尽量保留原有能力。它可自动寻找相关参数，生成模型并支持对话、基准测试及内部表示分析。

heretic把语言模型的安全边界交给自动化流程处理，直接触及模型可控性与内容审查之间最敏感、也最难回避的矛盾。

这是一个将 ChatGPT Web 账户中的模型接入 Codex 原生模型选择器的独立软件，使用户能在 Codex 任务中使用 ChatGPT 对话、图像和流式响应。通过 MCP 全量模式，它还可将当前任务的文件、终端、工具与审批连接到 ChatGPT，适用于需要结合 ChatGPT Web 与本地编码任务的场景。

把 ChatGPT 网页端接成 Codex 的模型来源，打通了两种使用入口，也让开发流程依赖网页会话与接口适配的稳定性。

这是一本围绕 AI 基础设施的中文开源书稿，从硬件约束和模型架构出发，通过量化估算推导系统设计，讨论推理、训练、加速器、算子、网络、分布式系统、资源调度与端边云协同等问题。项目还提供资源计算工具、实验记录、案例分析及多语言阅读版本。

从硬件约束和模型架构反推训练、推理系统设计，再用量化推导和实验落地，重点不在概念介绍而在工程账本。

AI 模型项目，主要围绕命令行操作、编程开发。

Graft把重点放在代码库级上下文理解上，试图让不同编码代理真正读懂项目结构，而不是只围绕当前文件生成代码。

提供统一 OpenAI 格式接口的 AI Gateway 和 Python SDK，用于访问 100 多个模型提供商及聊天、嵌入、图像、音频等能力。它解决不同提供商在 SDK、认证、请求格式和错误类型上的差异，适用于应用集成及团队集中管理模型访问、权限和成本。

litellm 最有辨识度的地方是把一百多家 LLM 的 API 统一成 OpenAI 格式，核心还换成了 Rust，成本和限速都替网关层扛下了。

2 是一个面向工具调用、设备操作和结构化信息提取的开放模型，提供 Python 接口。它可根据工具描述生成结构化调用，也支持从文本提取符合指定模式的数据，适用于智能家居、媒体控制、生产力工具和数据采集等场景。

needle最特别之处在于把基础模型压缩到14MB级别，直接面向手机、穿戴设备和机器人等资源受限终端。

这是一个从零训练约 64M 小型语言模型的开源项目，提供预训练、监督微调、LoRA、知识蒸馏、偏好优化和强化学习等完整训练与数据处理内容。适用于 LLM 入门学习、模型复现、私有数据训练、推理服务、工具调用、选择题评测及端侧部署。

把从零训练一个LLM的门槛压到64M参数和两小时，配套代码与流程高度精简，很适合想亲手走完预训练到微调全链路的学习者。

AI 模型项目，主要围绕图像与视觉处理。

LibreChat 的辨识度在于把多家模型、Agent、MCP 与 Skills 收进同一个可扩展对话工作台，重点是统一使用体验而非单一模型。

AI 模型项目，基于 Python 构建，公开资料暂未提供更多用途细节。

把免费 TPU 资源变成可复现的高性能推理实验场，难点不在模型规模，而在自研 JAX 引擎对吞吐与长上下文的压榨。