"模型管理"

lllyasviel/ControlNet

ControlNet：控制扩散模型 — ControlNet 是一个开源项目，旨在让用户能够控制扩散模型的行为。它提供了一种简单的方式来管理和优化扩散模型，从而使其在各种应用中更加高效和有效。通过使用 ControlNet，用户可以更好地理解和控制扩散模型的行为

Python★ 34k⑂ 3kai-ml

☆

tj/n

n：Node版本管理 — n可以帮助用户轻松地在不同的Node版本之间切换，这对于开发和测试不同项目非常有用。通过使用n，用户可以避免版本冲突的问题，并且可以轻松地测试和调试不同的Node版本。同时，n也支持自动下载和安装指定版本的Node

Shell★ 19.5k⑂ 762other

☆

datawhalechina/happy-llm

happy-llm：从零开始构建大模型 — happy-llm 项目旨在提供一个构建大模型的框架，利用 Jupyter Notebook 实现模型的开发和部署。该项目的主要目的是让开发者能够从零开始构建大模型，实现高效的模型开发和应用。同时，happy-llm 项目也提供了一个学习和研究的大模型构建方法

Jupyter Notebook★ 32.2k⑂ 3.1kai-ml

☆

aristocratos/btop

btop：系统资源监控工具 — btop 是一个使用 C++ 编写的系统资源监控工具，用于显示系统的 CPU、内存、磁盘和网络资源使用情况。它可以帮助用户实时监控系统资源，快速发现和解决系统瓶颈。通过使用 btop，用户可以优化系统性能和资源利用率。

C++★ 33.6k⑂ 1.1kother

☆

datawhalechina/all-in-rag

all-in-rag：RAG技术全栈指南 — all-in-rag 提供了一个全面的RAG（Retrieval-Augmented Generation）技术指南，涵盖从数据准备到模型部署的全过程，帮助开发者掌握大模型应用开发的核心技能。

Python★ 9.6k⑂ 4.8kai-ml

☆

mckaywrigley/chatbot-ui

chatbot-ui：人工智能聊天界面 — chatbot-ui提供了一种简单的方式来集成AI聊天功能到您的应用中。它支持任何模型，使得您可以轻松地创建自定义的聊天界面。通过使用chatbot-ui，您可以提高用户体验和用户参与度

TypeScript★ 33.3k⑂ 9.4kai-ml

☆

chenfei-wu/TaskMatrix

TaskMatrix：任务管理矩阵 — TaskMatrix是一个开源的任务管理平台，使用Python语言开发。它提供了一个简单易用的接口，帮助用户管理和跟踪任务。通过TaskMatrix，用户可以高效地组织和优先级任务，从而提高生产力。

Python★ 34.1k⑂ 3.2kother

☆

harvard-edge/cs249r_book

cs249r_book：机器学习系统 — cs249r_book 项目致力于机器学习系统的开发和研究，使用 Python 语言实现各种机器学习算法和模型。该项目为机器学习爱好者和开发者提供了一个学习和交流的平台。同时，cs249r_book 项目也为实际应用提供了参考和指导

Python★ 27k⑂ 3.2kother

+329 ★☆

allenai/olmocr

olmocr：PDF线性化工具包 — olmocr是一个Python工具包，用于将PDF文件线性化，以便于LLM（大语言模型）数据集和训练的准备。它可以帮助提高LLM的训练效率和准确率。通过使用olmocr，用户可以更轻松地处理和分析PDF文件

Python★ 18.5k⑂ 1.5kai-ml

+334 ★☆

hiyouga/LlamaFactory

LlamaFactory：统一高效微调 — LlamaFactory实现了对100多个LLMs和VLMs的统一高效微调，支持多种微调方法，包括fine-tuning、instruction-tuning和Lora等。该项目使用Python语言开发，基于Transformers库，能够高效地微调大语言模型。LlamaFactory的出现对于自然语言处理（NLP）领域具有重要意义，能够帮助研究人员和开发人员更好地利用大语言模型

Python★ 73.4k⑂ 9kai-ml

☆

mem0ai/mem0

mem0：通用人工智能记忆层 — mem0为AI代理提供了一个通用记忆层，能够实现长期记忆和状态管理。这种能力对于AI代理的决策和学习能力至关重要。通过使用mem0，开发者可以更容易地构建智能的AI代理。

TypeScript★ 61.2k⑂ 7.1kai-ml

☆

m87-labs/moondream

moondream：微型视觉语言模型 — moondream是一个微型视觉语言模型，使用Python编写。它能够处理视觉和语言任务，具有较小的模型大小和较快的推理速度。moondream的出现为视觉语言任务提供了新的解决方案

Python★ 9.9k⑂ 789other

☆

mamoe/mirai

mirai：QQ 机器人支持库 — mirai 提供了一个简单易用的 API，允许开发者快速构建 QQ 机器人应用。它支持多种功能，如消息处理、事件处理等。mirai 的高效率和可扩展性使其成为开发者首选的 QQ 机器人支持库

Kotlin★ 14.8k⑂ 2.5kai-ml

☆

lutzroeder/netron

netron：神经网络可视化工具 — netron支持多种框架，如TensorFlow、PyTorch和Keras，能够帮助开发者更好地理解和优化他们的模型。通过可视化模型的结构和参数，netron能够提高开发效率和模型性能。同时，netron也支持多种模型格式，如ONNX和CoreML

JavaScript★ 33.2k⑂ 3.2kai-ml

☆

fengshao1227/ccg-workflow

ccg-workflow：多模型协作工作流引擎 — ccg-workflow 是一个多模型协作工作流引擎，通过 /ccg:go 命令，AI 自动分析意图、选择策略，并编排 Codex、Gemini 和 Claude 协同执行任务。这使得复杂的操作流程更加高效和智能。

Go★ 5.7k⑂ 440ai-ml

☆

linyqh/NarratoAI

NarratoAI：利用AI自动解说和剪辑视频 — NarratoAI利用AI模型来自动提供视频解说和编辑功能，只需一键点击即可完成。该工具使用Python语言开发，集成了moviepy和gemini-api等库。NarratoAI的出现使得视频编辑变得更加简单和高效

Python★ 10k⑂ 1.4kai-ml

☆

chartdb/chartdb

chartdb：数据库图表编辑器 — chartdb是一个基于TypeScript的数据库设计工具，允许用户通过单个查询可视化和设计数据库结构。它支持多种数据库管理系统，包括MySQL、PostgreSQL、SQLite等。通过chartdb，用户可以轻松地创建和编辑数据库图表，从而提高数据库设计效率

TypeScript★ 22.6k⑂ 1.4kbackend

☆

agentscope-ai/agentscope

agentscope：可信赖的智能代理 — agentscope允许用户构建和运行智能代理，使其变得可见、可理解和可信赖。该项目使用Python语言开发，支持多种功能，如多模态交互和多智能体协作。agentscope的目标是让智能代理变得更加透明和可靠，从而提高用户的信任度。

Python★ 28k⑂ 3.2kai-ml

☆

langchain-ai/open_deep_research

open_deep_research：开源深度研究平台 — open_deep_research 是一个专注于深度学习研究的开源平台，旨在为研究人员提供强大的工具和资源。它支持多种深度学习框架，帮助用户高效地进行实验和模型开发。

Python★ 12.1k⑂ 1.7kother

+14 ★☆

huggingface/transformers

transformers：机器学习模型框架 — transformers提供了一个统一的框架，用于定义和使用最先进的机器学习模型，包括自然语言处理、语音识别和计算机视觉等领域。该框架支持PyTorch和其他流行的深度学习库，能够方便地进行模型的推理和训练。transformers的出现大大促进了机器学习模型的发展和应用。

Python★ 162.7k⑂ 33.9kai-ml

☆

dolthub/dolt

dolt：数据版本控制系统 — dolt是一个使用Go语言开发的数据版本控制系统，提供类似于Git的功能，但专门用于数据存储和管理。它支持SQL查询、数据版本控制和数据库版本控制等功能。dolt的出现填补了数据版本控制的空白，帮助开发者更好地管理和追踪数据变化

Go★ 23.9k⑂ 836backend

☆

GokuMohandas/Made-With-ML

Made-With-ML：机器学习应用开发部署指南 — Made-With-ML 项目旨在帮助开发者学习如何开发、部署和迭代生产级机器学习应用，涵盖了数据工程、数据质量、深度学习等多个方面。通过该项目，开发者可以掌握机器学习应用的开发、部署和迭代流程，提高机器学习应用的质量和效率。同时，项目还涉及了 MLOps、自然语言处理、PyTorch 等热门技术。

Jupyter Notebook★ 48.8k⑂ 7.7kai-ml

☆

kvcache-ai/ktransformers

ktransformers：异构大模型推理与微调优化框架 — ktransformers 是一个灵活的框架，旨在优化异构大语言模型的推理和微调过程。通过该框架，用户可以更高效地利用不同硬件资源，提升模型性能。

Python★ 18.8k⑂ 1.5kai-ml

+458 ★☆

dotnet/skills

skills：.NET 和 C# 编码助手 — skills 仓库提供了一系列技能来帮助 AI 编码代理更好地使用 .NET 和 C#，从而提高编码效率和准确性。这些技能可以帮助开发者更快速地完成任务，并提高代码质量。通过使用 skills，开发者可以更好地利用 AI 的能力来提高编码水平。

C#★ 4.4k⑂ 325ai-ml

+64 ★☆

xbtlin/ai-berkshire

ai-berkshire：基于 Claude Code 的价值投资研究框架 — ai-berkshire 框架利用 Python 语言和 Claude Code 库，实现了价值投资的研究和分析。它集成了四大师的方法论，包括巴菲特、芒格、段永平和李录，并支持多 Agent 并行研究。该框架的目标是提供一个高效和有效的价值投资研究平台。

Python★ 7.9k⑂ 1kai-ml

+969 ★☆

felangel/bloc

bloc：可预测的状态管理库 — bloc是一个Dart库，帮助开发者实现可预测的状态管理。它提供了一种简单的方式来管理应用程序的状态，使得开发者可以更容易地构建可靠和高效的应用程序。bloc的设计模式可以帮助开发者更好地管理复杂的应用程序状态，从而提高应用程序的稳定性和性能。

Dart★ 12.5k⑂ 3.4kmobile

☆

MiniMax-AI/skills

skills：人工智能技能开发库 — skills是一个开源的C#库，用于开发和集成人工智能技能。它提供了一种简单的方式来创建和管理AI能力，使得开发者可以更加容易地将AI集成到自己的应用程序中。通过使用skills，开发者可以快速构建智能应用，提高用户体验

C#★ 13.1k⑂ 1.1kother

☆

hpcaitech/ColossalAI

ColossalAI：大型AI模型的高性能计算框架 — ColossalAI通过数据并行、模型并行和流水线并行等技术，使得大型AI模型的训练和推理变得更快、更便宜和更容易访问。这种框架对于深度学习、分布式计算和超大规模模型的训练具有重要意义。同时，它也支持异构训练和推理，进一步提高了其灵活性和实用性

Python★ 41.4k⑂ 4.5kai-ml

☆

deepset-ai/haystack

haystack：开源AI编排框架 — haystack允许用户设计模块化的管道和agent工作流，并对检索、路由、内存和生成具有明确的控制权。它适用于大规模agent、RAG、多模态应用、语义搜索和对话系统。haystack的目的是为了帮助用户构建高效、智能的LLM应用程序

MDX★ 25.9k⑂ 2.9kai-ml

☆

bmad-code-org/BMAD-METHOD

BMAD-METHOD：敏捷AI驱动开发方法 — BMAD-METHOD提供了一种新的开发方法，利用JavaScript和AI技术实现敏捷开发。这种方法可以提高开发效率和质量，减少开发时间和成本。BMAD-METHOD的出现标志着软件开发领域的一个重要突破

JavaScript★ 49.9k⑂ 5.7kai-ml

☆

modelcontextprotocol/servers

servers：模型上下文协议服务器 — servers提供了一组模型上下文协议服务器，用于管理和处理模型相关数据。该项目使用TypeScript编写，提供了高可靠性和可维护性的代码。通过使用servers，可以更好地管理和扩展模型上下文协议相关的功能

TypeScript★ 88.6k⑂ 11.3kweb

☆