"academic-pipeline"

📦 开源项目

Imbad0202/academic-research-skills

academic-research-skills：学术研究技能 — academic-research-skills 项目提供了一套完整的学术研究流程，包括研究、写作、审查、修订和最终化，使用 Claude Code 和 prompt-engineering 技术来提高研究效率。该项目对于需要进行学术写作、文献审查和同行评审的研究人员具有重要意义。通过使用 academic-research-skills，研究人员可以更好地管理自己的研究流程，提高研究质量和效率。

Python★ 37.1k⑂ 3kother

☆

binary-husky/gpt_academic

gpt_academic：大语言模型实用化交互接口 — gpt_academic是一个模块化设计的项目，支持自定义快捷按钮和函数插件，能够对Python和C++等项目进行剖析和自译解，提供PDF/LaTex论文翻译和总结功能。同时，它支持并行问询多种LLM模型，包括chatglm3等本地模型。该项目能够接入多个第三方服务，包括通义千问、deepseekcoder、讯飞星火、文心一言、llama2、rwkv、claude2和moss等

Python★ 71.1k⑂ 8.4kai-ml

☆

airbytehq/airbyte

airbyte：开源数据移动平台 — airbyte是一个开源数据移动平台，支持ELT管道和AI代理，从API、数据库和文件到仓库、数据湖和AI应用。它提供了自托管和云端部署的选项，支持多种数据源和目标，包括BigQuery、MySQL、PostgreSQL等。airbyte的目的是简化数据集成和移动，提高数据分析和AI应用的效率。

Python★ 21.6k⑂ 5.3kdata

☆

google-ai-edge/mediapipe

mediapipe：跨平台可定制的机器学习解决方案 — mediapipe是一个开源框架，提供跨平台、可定制的机器学习解决方案，用于处理直播和流媒体数据。它支持多种平台，包括Android和iOS，能够处理音频和视频数据。mediapipe的主要特点包括计算机视觉、深度学习和流媒体处理等。

C++★ 36k⑂ 6.1kai-ml

☆

DataTalksClub/data-engineering-zoomcamp

data-engineering-zoomcamp：数据工程实战课程 — data-engineering-zoomcamp 是一个免费的在线课程，涵盖了数据工程的各个方面，包括 dbt、docker、kafka、kestra 和 spark 等技术。通过这个课程，学员可以学习如何构建生产级数据管道，并获得实践经验。该课程每年一期，下一期将于 2026 年 1 月开始。

Jupyter Notebook★ 43.4k⑂ 8.6kdata

☆

recommenders-team/recommenders

recommenders：推荐系统最佳实践 — recommenders 项目是一个开源的推荐系统示例代码仓库，使用 Python 编写，提供了多种推荐算法和模型的实现。该项目旨在帮助开发者快速构建和部署推荐系统，提高推荐系统的准确性和性能。通过使用 recommenders 项目，开发者可以轻松地将推荐系统集成到自己的应用中

Python★ 21.8k⑂ 3.3kai-ml

☆

grafana/pyroscope

pyroscope：连续性能分析平台 — pyroscope是一个开源的连续性能分析平台，帮助开发人员调试性能问题到单行代码级别。它支持多种编程语言，包括Go、Python和Ruby，能够实时监控和分析性能瓶颈。通过使用pyroscope，开发人员可以快速定位和解决性能问题，提高应用程序的性能和可靠性

Go★ 11.5k⑂ 772devops

☆

vwxyzjn/cleanrl

cleanrl：高质量的深度强化学习算法实现 — cleanrl提供了多种深度强化学习算法的实现，包括PPO、DQN、C51、DDPG、TD3、SAC和PPG等。这些算法都是在一个单文件中实现的，具有研究友好的特性。cleanrl的实现基于Python和PyTorch，能够与Gym和WandB等流行的机器学习库进行集成。

Python★ 10k⑂ 1.1kai-ml

☆

milanm/DevOps-Roadmap

DevOps-Roadmap：2026 DevOps 学习路线图 — DevOps-Roadmap 是一个为 2026 年制定的学习路线图，旨在帮助开发者掌握 DevOps 的相关知识和技能。通过这个路线图，开发者可以学习到 AWS、Azure、Kubernetes、Docker 等技术，并了解持续集成和持续交付的流程。这个项目对于想要提升 DevOps 水平的开发者来说非常有价值

★ 19.8k⑂ 3.4kdevops

☆

jart/cosmopolitan

cosmopolitan：跨平台C库 — cosmopolitan提供了一种跨平台的解决方案，支持多种操作系统，包括linux、windows、darwin、freebsd、netbsd和openbsd等。它可以帮助开发者减少代码重复和维护成本。同时，cosmopolitan也支持多种容器和EFI等技术

C★ 21.1k⑂ 762other

☆

Hmbown/CodeWhale

CodeWhale：开源社区驱动代理工具 — CodeWhale是一个基于Rust语言开发的开源项目，旨在为命令行界面和终端用户提供更好的体验。它通过提供一个社区驱动的代理工具，来增强用户与系统之间的交互。这种方式可以提高用户的生产力和效率

Rust★ 39.6k⑂ 3.4ktools

☆

tatsu-lab/stanford_alpaca

stanford_alpaca：深度学习模型训练 — stanford_alpaca 项目是一个基于 Python 的深度学习项目，用于训练 Stanford 的 Alpaca 模型。该项目提供了训练模型和生成数据的代码和文档，能够帮助用户快速上手 Alpaca 模型的训练和使用。通过使用 stanford_alpaca，用户可以更好地理解和应用 Alpaca 模型，推动深度学习和自然语言处理的发展

Python★ 30.2k⑂ 4kai-ml

☆

charmbracelet/bubbletea

bubbletea：强大的TUI框架 — bubbletea提供了一种简单而强大的方式来构建文本用户界面应用程序。它使用Go语言开发，采用函数式编程风格，遵循Elm架构模式。通过使用bubbletea，开发者可以快速而轻松地创建复杂的命令行界面应用程序

Go★ 43.6k⑂ 1.3kbackend

☆

Textualize/textual

textual：Python 终端 UI 框架 — textual 提供了一个简单的 Python API，用于构建复杂的用户界面，可以在终端和网页浏览器中运行。它是构建 CLI 应用的理想选择，能够帮助开发者快速创建高质量的用户界面。通过使用 textual，开发者可以专注于应用的逻辑，而不需要担心 UI 的细节

Python★ 36.5k⑂ 1.2ktools

☆

apache/airflow

airflow：一个程序化工作流管理平台 — airflow是一个强大的工作流管理工具，允许用户使用Python定义和调度工作流。它支持多种任务类型，包括数据处理、机器学习和自动化。airflow在数据工程、科学和分析领域有广泛的应用，帮助用户简化工作流程和提高效率。

Python★ 46.1k⑂ 17.4kdata

☆

streamlit/streamlit

streamlit：快速构建和分享数据应用的工具 — streamlit是一个开源的Python库，允许数据科学家和开发人员快速构建和分享数据应用。它提供了一个简单的API，用于创建交互式的数据可视化和机器学习模型。通过使用streamlit，用户可以更快地构建和分享数据应用，从而提高数据分析和科学研究的效率

Python★ 45.2k⑂ 4.3kai-ml

☆

pulumi/pulumi

pulumi：云基础设施即代码平台 — pulumi允许用户使用熟悉的编程语言定义和管理云基础设施，支持AWS、Azure、GCP等主流云平台。通过pulumi，用户可以简化基础设施管理，提高效率和可靠性。同时，pulumi还支持Kubernetes、Serverless等现代化技术栈

Go★ 25.4k⑂ 1.4kdevops

☆

karpathy/autoresearch

autoresearch：自动研究项目 — autoresearch项目使用AI代理自动进行研究，重点关注单GPU上的nanochat训练，能够自动完成训练过程。该项目利用Python语言开发，能够高效地进行研究工作。autoresearch项目的目标是实现自动化研究，减少人工干预，提高研究效率

Python★ 90.6k⑂ 13kai-ml

☆

jenkinsci/jenkins

jenkins：自动化服务器 — jenkins是一个开源的自动化服务器，支持持续集成和持续部署，帮助开发者提高效率和质量。它提供了丰富的插件和脚本支持，包括Groovy等。jenkins在DevOps领域中发挥着重要作用

Java★ 25.6k⑂ 9.6kdevops

☆

vectordotdev/vector

vector：高性能可观测性数据管道 — vector是一个高性能的可观测性数据管道，能够处理和转换大量的日志、指标和追踪数据。它使用Rust语言开发，具有高性能、可靠性和可扩展性。vector能够与多个数据源和目标集成，包括Datadog、云原生环境等，提供实时的数据处理和分析能力。

Rust★ 22.2k⑂ 2.2kdevops

☆

rockorager/libvaxis

libvaxis：现代 Zig 语言 TUI 库 — libvaxis 提供了一种高效且灵活的方式来创建文本用户界面，利用 Zig 语言的优势。它允许开发者快速构建强大的 TUI 应用程序。libvaxis 的出现为 Zig 语言的生态系统带来了新的活力

Zig★ 1.9k⑂ 143other

☆

microsoft/presidio

presidio：敏感数据保护框架 — presidio支持NLP、模式匹配和可自定义的管道，能够检测和保护个人可识别信息（PII），确保数据隐私和安全。该框架适用于多种数据类型，包括文本、图像和结构化数据。通过使用presidio，开发人员可以轻松地将数据保护功能集成到自己的应用程序中。

Python★ 9.7k⑂ 1.2kai-ml

☆

gradio-app/gradio

gradio：机器学习应用构建工具 — gradio允许用户快速构建和分享机器学习应用，支持多种数据分析和可视化功能。它提供了一个简单易用的界面，能够让开发者轻松部署机器学习模型。同时，gradio也支持Python Notebook和UI组件，能够满足不同开发者的需求。

Python★ 43.1k⑂ 3.5kdata

☆

calcom/cal.diy

cal.diy：开放式日程安排基础设施 — cal.diy 是一个使用 TypeScript 编写的开源项目，提供了一个强大的日程安排基础设施，支持多种技术栈，包括 Next.js、PostgreSQL、Prisma 等。它的设计目标是为所有人提供一个易于使用和扩展的日程安排解决方案，从而提高生产力和效率。通过使用 cal.diy，开发者可以快速构建自己的日程安排应用程序。

TypeScript★ 46.2k⑂ 14.4kweb

☆

mli/paper-reading

paper-reading：深度学习论文精读 — paper-reading 项目通过对深度学习经典和新论文的逐段精读，帮助读者更好地理解和掌握相关知识。同时，该项目也为读者提供了一个深度学习论文的阅读列表。paper-reading 项目的内容对于深度学习领域的研究人员和开发人员具有重要的参考价值。

★ 33.5k⑂ 2.8kai-ml

☆

tensorflow/tensorflow

tensorflow：开源机器学习框架 — tensorflow是一个开源的机器学习框架，提供了广泛的工具和资源，用于构建和训练机器学习模型。它支持多种编程语言，包括C++和Python，并提供了分布式训练和部署的能力。tensorflow在深度学习和神经网络领域具有广泛的应用和影响力

C++★ 196.2k⑂ 75.4kai-ml

☆

BVLC/caffe

caffe：深度学习开源框架 — caffe是一个高性能的深度学习框架，支持多种神经网络架构和优化算法。它能够用于图像和语音识别、自然语言处理等领域，具有广泛的应用前景。caffe的开源性质使得开发者能够轻松地扩展和定制框架，以满足特定的需求。

C++★ 34.6k⑂ 18.5kai-ml

☆

google/zx

zx：脚本工具 — zx是一个JavaScript工具，用于提高脚本的质量和可读性。它提供了一个简单的方式来执行shell命令和处理子进程。通过使用zx，开发者可以编写更高效、更可靠的脚本。

JavaScript★ 45.6k⑂ 1.3ktools

☆

olimorris/codecompanion.nvim

codecompanion.nvim：AI 编程助手 — codecompanion.nvim 通过集成多种 AI 服务，如 Copilot 和 OpenAI，提供智能代码补全、代码审查和代码生成等功能。该插件使用 Lua 编写，支持 Neovim 和 nvim。其主要目的是提高编程效率和准确性，减少开发时间和成本。

Lua★ 6.7k⑂ 433ai-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

☆

DeathKing/Learning-SICP

Learning-SICP：MIT计算机程序构造与解释课程学习资料 — Learning-SICP项目收集和整理了MIT公开课《计算机程序的构造和解释》的学习资料，涵盖编译器原理、函数式编程、解释器等主题。该项目利用Ruby语言开发，致力于促进人们对计算机程序构造和解释的理解。通过这个项目，学习者可以更深入地理解计算机程序的设计和实现。

Ruby★ 11.3k⑂ 1.5kbackend

☆

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#★ 13k⑂ 1.1kother

☆

asgeirtj/system_prompts_leaks

system_prompts_leaks：提取的系统提示 — system_prompts_leaks项目旨在收集和更新来自多家AI公司的系统提示，包括Anthropic的Claude、OpenAI的ChatGPT和Google的Gemini等。该项目使用JavaScript语言，定期更新以跟踪最新的AI模型和技术。通过提供这些系统提示，system_prompts_leaks项目为AI开发者和研究人员提供了宝贵的资源

JavaScript★ 55k⑂ 9kai-ml

☆

pycaret/pycaret

pycaret：低代码自动机器学习平台 — pycaret是一个开源的自动机器学习（AutoML）平台，提供低代码解决方案，支持多种机器学习任务，如分类、回归、聚类和异常检测。它使用sklearn-native引擎和React控制平面，能够简化机器学习工作流程，提高开发效率。pycaret的开源性和低代码特性使其成为数据科学和机器学习开发者的理想选择

Python★ 9.8k⑂ 1.9kai-ml

☆

hackerkid/Mind-Expanding-Books

Mind-Expanding-Books：扩展视野的书籍 — Mind-Expanding-Books 项目是一个使用 JavaScript 开发的书籍推荐平台，旨在帮助用户发现新的书籍。该项目包含了多个领域的书籍，包括计算机科学、经济学、哲学等。通过这个项目，用户可以找到符合自己兴趣的书籍，扩展自己的知识视野。

JavaScript★ 14k⑂ 1.2kweb

☆

explosion/spaCy

spaCy：工业级自然语言处理库 — spaCy是一个强大的Python库，用于自然语言处理（NLP），提供了高性能的文本处理能力，包括命名实体识别、语言模型和文本分类等功能。它的工业级设计使其成为许多应用中的首选NLP库。同时，spaCy也支持多种语言，包括英语、西班牙语、法语等

Python★ 33.7k⑂ 4.7kai-ml

☆

bregman-arie/devops-exercises

devops-exercises：DevOps 面试题练习 — devops-exercises 项目为 DevOps 工程师提供了丰富的练习题和面试题，涵盖了从 Linux 到 Kubernetes、Terraform 等多个技术领域。通过这些练习和面试题，可以帮助工程师提高技能和应对面试的能力。同时，项目还涉及了 Python、Ansible、Git 等多种技术，非常适合 DevOps 工程师的学习和实践

Python★ 83.1k⑂ 19.7kdevops

☆

TeamPiped/Piped

Piped：隐私友好型YouTube前端 — Piped是一个使用Vue开发的YouTube前端替代品，旨在提供高效和隐私友好的视频观看体验。它可以帮助用户避免YouTube的跟踪和广告，并提供更好的用户体验。通过使用Piped，用户可以更好地控制自己的隐私和数据安全。

Vue★ 10.1k⑂ 870web

☆

langchain-ai/langchain

langchain：智能代理工程平台 — langchain是一个开源的Python平台，提供了一套完整的工具和框架，用于构建和管理复杂的AI代理系统。它支持多种AI模型和框架，包括OpenAI、Anthropic和LLM等。langchain的目的是为了简化AI代理的开发和部署过程，提高企业和开发者的效率。

Python★ 141.4k⑂ 23.5kai-ml

☆