"ai-research"

📦 开源项目

google-research/google-research

google-research：谷歌研究项目 — google-research项目旨在分享谷歌在人工智能、机器学习等领域的研究成果。该项目使用Jupyter Notebook作为主要语言，包含了许多有价值的研究资料。通过该项目，开发者可以更好地了解谷歌的研究方向和成果

Jupyter Notebook★ 38.3k⑂ 8.5kai-ml

☆

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

☆

chroma-core/chroma

chroma：人工智能搜索基础设施 — chroma 提供了高效的搜索功能，用于人工智能代理和数据库的交互。它使用 Rust 语言开发，注重性能和可靠性。chroma 的出现可以提高人工智能应用的搜索能力和数据处理效率

Rust★ 28.7k⑂ 2.4kai-ml

☆

interviewstreet/hiring-agent

hiring-agent：人工智能招聘评估工具 — hiring-agent是一个使用Python编写的AI代理，用于评估和评分简历。它可以帮助招聘人员快速筛选出合适的候选人，提高招聘效率。hiring-agent的出现标志着招聘行业向智能化转型的重要一步

Python★ 2.5k⑂ 623ai-ml

+203 ★☆

Leey21/awesome-ai-research-writing

awesome-ai-research-writing：人工智能研究写作辅助工具 — awesome-ai-research-writing 提供了一系列的写作辅助功能，帮助研究人员提高写作效率和质量。通过使用这个工具，研究人员可以专注于研究的核心内容，而不必花费太多时间在写作的细节上。同时，awesome-ai-research-writing 也可以帮助研究人员避免写作中的常见错误，提高研究论文的整体质量

★ 29.8k⑂ 2.3kai-ml

☆

meilisearch/meilisearch

meilisearch：闪电般快速的搜索引擎API — meilisearch是一个强大的搜索引擎API，能够为您的网站和应用程序提供快速、准确的搜索结果。它支持多种搜索功能，包括全文搜索、模糊搜索和地理搜索等。通过使用meilisearch，您可以为您的用户提供更好的搜索体验，从而提高用户满意度和转化率

Rust★ 58.5k⑂ 2.6kbackend

☆

mvanhorn/last30days-skill

last30days-skill：跨平台研究和总结工具 — last30days-skill是一个使用Python语言开发的AI代理技能，能够在多个平台上研究任何主题，并综合生成一个有根据的总结。它支持跨Reddit、X、YouTube、HN、Polymarket和整个网络的搜索和总结，能够帮助用户快速获取信息。这种技能对于需要快速获取信息和研究各种主题的用户来说非常有用

Python★ 51k⑂ 4.3kai-ml

+352 ★☆

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

☆

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

☆

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

☆

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 ★☆

microsoft/AI-For-Beginners

AI-For-Beginners：人工智能入门教程 — AI-For-Beginners 项目旨在让初学者快速掌握人工智能的基础知识，通过 12 周、24 课的课程安排，涵盖了机器学习、深度学习、计算机视觉等领域。该项目使用 Jupyter Notebook 作为教学工具，帮助学习者快速上手。通过学习 AI-For-Beginners，学习者可以快速掌握人工智能的基础知识，并能够应用于实际项目中

Jupyter Notebook★ 52k⑂ 10.5kai-ml

☆

NousResearch/hermes-agent

hermes-agent：智能代理 — hermes-agent是一个基于Python的智能代理，能够与用户一起成长和学习。它能够利用诸如AI和LLM等技术来提供更好的服务。hermes-agent的出现对智能代理领域具有重要意义

Python★ 212.1k⑂ 39.1kai-ml

☆

Panniantong/Agent-Reach

Agent-Reach：AI代理互联网搜索工具 — Agent-Reach为AI代理提供了互联网搜索的能力，支持多个平台的内容读取和搜索。该工具使用Python语言开发，提供了一个简单的CLI接口，用户可以轻松地搜索和读取互联网上的内容。Agent-Reach的出现使得AI代理可以更好地理解和利用互联网上的信息，从而提高其智能化水平。

Python★ 53.8k⑂ 4.3ktools

☆

firecrawl/firecrawl

firecrawl：大规模搜索、爬取和交互网页的API — firecrawl是一个强大的API，能够帮助用户大规模搜索、爬取和交互网页，支持多种功能，如数据提取、网页搜索和HTML到Markdown转换。它使用TypeScript编写，支持AI代理、爬虫和网页抓取等功能。firecrawl的出现使得开发者能够更容易地构建大规模的网页交互应用。

TypeScript★ 148.4k⑂ 8.5kai-ml

☆

CherryHQ/cherry-studio

cherry-studio：人工智能生产力工作室 — cherry-studio是一个人工智能生产力工作室，提供智能聊天、自主代理和300多个助手。它可以统一访问边缘LLM技术，如codex和deepseek，帮助开发者提高生产力。通过使用cherry-studio，开发者可以更高效地完成任务，并利用AI技术的优势

TypeScript★ 48.4k⑂ 4.6kai-ml

☆

esengine/DeepSeek-Reasonix

DeepSeek-Reasonix：终端人工智能编码代理 — DeepSeek-Reasonix是一个基于Go语言开发的AI编码代理，能够稳定地运行在终端中，提供高效的编码辅助。它的设计重点是prefix-cache稳定性，确保用户体验的流畅性。通过使用DeepSeek-Reasonix，开发人员可以提高编码效率和准确性，节省时间和精力。

Go★ 26.5k⑂ 1.7ktools

☆

usestrix/strix

strix：开源AI黑客工具 — strix是一个利用AI技术进行黑客攻击和渗透测试的开源工具，能够帮助开发者发现和修复应用程序的安全漏洞。通过使用strix，开发者可以提高应用程序的安全性和代码质量。strix支持多种安全测试和渗透测试功能，包括AI安全、漏洞扫描和代码审计等

Python★ 39.6k⑂ 4ksecurity

☆

AMAI-GmbH/AI-Expert-Roadmap

AI-Expert-Roadmap：人工智能专家路线图 — AI-Expert-Roadmap 提供了一个全面的人工智能学习路线图，包括机器学习、深度学习和数据分析等领域。通过这个路线图，开发者可以系统地学习和掌握人工智能的相关知识和技能。同时，它也帮助开发者了解人工智能的最新发展和趋势

JavaScript★ 31.1k⑂ 2.6kai-ml

☆

keras-team/keras

keras：深度学习库 — keras是一个高级神经网络API，能够运行在TensorFlow、PyTorch等多个后端上。它提供了简单易用的接口，能够让用户快速地构建和训练深度学习模型。通过使用keras，用户可以轻松地实现数据预处理、模型构建、训练和评估等功能

Python★ 64.2k⑂ 19.8kai-ml

☆

Gitlawb/openclaude

openclaude：人工智能工具 — openclaude是一个使用TypeScript编写的开源项目，提供了一个强大的AI工具，能够运行在任何环境中，并支持各种编程语言。它的主要功能包括AI代理和CLI工具，能够帮助开发者提高编码效率。同时，openclaude也是一个非常灵活的工具，能够适应不同的开发需求

TypeScript★ 29.9k⑂ 8.9kai-ml

☆

MadsLorentzen/ai-job-search

ai-job-search：人工智能职位搜索框架 — ai-job-search是一个开源的框架，使用AI技术帮助用户找到合适的工作机会。它可以根据用户的个人资料，评估职位的适合度，定制简历，撰写求职信，并准备面试。该框架使用TypeScript编写，具有高度的可定制性。

TypeScript★ 18.6k⑂ 5.4kai-ml

+3.7k ★☆

rohitg00/ai-engineering-from-scratch

ai-engineering-from-scratch：从零开始的AI工程实践 — ai-engineering-from-scratch项目提供了一个从零开始学习和构建AI应用的平台，涵盖了机器学习、深度学习、计算机视觉等多个领域。通过该项目，开发者可以学习到AI工程的基础知识和实践经验。同时，该项目还涉及了LLM、NLP、强化学习等前沿技术

Python★ 37.7k⑂ 6.3kai-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

☆

sansan0/TrendRadar

TrendRadar：AI驱动的舆情监控与趋势分析工具 — TrendRadar是一个使用Python编写的AI驱动的舆情监控与趋势分析工具，能够聚合多平台热点并提供智能推送功能。它支持多种渠道的推送，包括微信、飞书、钉钉、Telegram、邮件等。通过使用TrendRadar，用户可以轻松地监控和分析舆情趋势，及时发现热点事件和新闻。

Python★ 60.4k⑂ 24.8kai-ml

☆

docling-project/docling

docling：文档转换和解析工具 — docling是一个文档转换和解析工具，支持多种文档格式，如docx、pdf、pptx和xlsx等。它可以将这些文档转换为JSON或文本格式，以便于后续的处理和分析。docling的主要目的是帮助用户为通用人工智能准备文档，使得文档内容可以被更好地理解和利用。

Python★ 62.9k⑂ 4.4kai-ml

☆

browser-use/browser-use

browser-use：使网站可供AI代理访问 — browser-use 使网站可供 AI 代理访问，自动化在线任务。它利用 Python 和 Playwright 实现浏览器自动化，从而提高效率和准确性。通过 browser-use，开发者可以轻松创建 AI 代理来访问和操作网站

Python★ 104k⑂ 11.5kai-ml

☆

assafelovic/gpt-researcher

gpt-researcher：深度研究自动化代理 — gpt-researcher是一个使用Python编写的自动化代理，能够对任何数据进行深度研究。它支持任何LLM提供商，实现了数据的自动化搜索和分析。这种自动化的研究能力使得gpt-researcher在数据分析和研究领域具有重要的应用价值

Python★ 28.2k⑂ 3.8kai-ml

☆

Lightning-AI/pytorch-lightning

pytorch-lightning：简化AI模型训练 — pytorch-lightning是一个Python库，能够简化AI模型的训练过程。它支持在多个GPU上进行预训练和微调，从而加快模型训练的速度。通过使用pytorch-lightning，开发人员可以更轻松地构建和部署AI模型，提高模型的准确性和效率。

Python★ 31.2k⑂ 3.8kai-ml

☆

sinaptik-ai/pandas-ai

pandas-ai：数据分析对话平台 — pandas-ai 项目利用 Python 语言和 pandas 库，实现了数据分析的对话式界面，支持 SQL、CSV、parquet 等多种数据格式。通过使用 LLMs 和 RAG 技术，pandas-ai 可以高效地处理数据查询和分析任务。同时，pandas-ai 还支持数据可视化和文本到 SQL 的转换，进一步扩展了其在数据分析领域的应用。

Python★ 23.6k⑂ 2.3kdata

☆

feder-cr/Jobs_Applier_AI_Agent_AIHawk

Jobs_Applier_AI_Agent_AIHawk：智能职位申请助手 — Jobs_Applier_AI_Agent_AIHawk 通过使用 Python 和诸如 Selenium 等库来实现智能职位申请。该项目的目标是帮助用户以个性化的方式申请多个职位，节省时间和精力。同时，Jobs_Applier_AI_Agent_AIHawk 也为招聘者提供了一个高效的方式来管理职位申请。

Python★ 30k⑂ 4.6kai-ml

☆

HKUDS/LightRAG

LightRAG：简单快速的检索增强生成 — LightRAG是一个基于Python的检索增强生成模型，利用知识图谱和检索技术来提高大语言模型的性能和准确性。它可以应用于各种自然语言处理任务，例如文本生成和问答系统。LightRAG的简单性和快速性使其成为一个有前途的研究方向

Python★ 37.5k⑂ 5.3kai-ml

☆

langchain-ai/langgraph

langgraph：构建强大的智能体 — langgraph是一个开源项目，用于构建能够执行复杂任务的智能体。它提供了一种灵活的框架，用于开发和部署基于AI的代理。langgraph的目标是让开发者能够轻松构建强大的智能体，从而推动AI技术的发展

Python★ 36.9k⑂ 6.2kai-ml

☆

drivendataorg/cookiecutter-data-science

cookiecutter-data-science：数据科学项目模板 — cookiecutter-data-science为数据科学家提供了一个标准化的项目结构，帮助他们高效地组织和分享工作。它支持Python语言，并且与AI、机器学习等领域相关。通过使用cookiecutter-data-science，数据科学家可以更好地管理项目，并使其更容易被他人理解和复用。

Python★ 9.9k⑂ 2.6kai-ml

☆

K-Dense-AI/scientific-agent-skills

scientific-agent-skills：人工智能科学家技能库 — scientific-agent-skills是一个强大的AI科学家技能库，提供140+项可用技能和100+个科学数据库，支持多种AI代理和平台，如Cursor、Claude Code、Codex、Pi和Antigravity等。该库能够帮助科学家快速完成数据分析、科学计算和科学可视化等任务，从而提高研究效率。同时，scientific-agent-skills兼容开放的Agent Skills标准，确保了其广泛的适用性和扩展性。

Python★ 29.7k⑂ 3kai-ml

☆

ashishpatel26/500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code

500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code：机器学习和深度学习项目集合 — 500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code项目为开发者提供了一个全面而丰富的机器学习和深度学习项目集合，包括计算机视觉和NLP等领域的实现。该项目使用Python语言编写，涵盖了artificial-intelligence、deep-learning、machine-learning等多个主题。通过该项目，开发者可以快速找到并学习相关领域的项目代码，提高自己的开发效率和水平。

★ 35.3k⑂ 7.3kai-ml

☆

ntegrals/openbrowser

openbrowser：基于浏览器的AI代理工具包 — openbrowser是一个基于浏览器的AI代理工具包，允许AI代理自动浏览和交互网页。它使用TypeScript编写，并支持多种浏览器自动化库，如Playwright和Puppeteer。openbrowser的目的是为AI代理提供一个安全的沙箱环境来执行任务

TypeScript★ 9.5k⑂ 865ai-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

☆

eosphoros-ai/DB-GPT

DB-GPT：下一代AI+数据产品的开源智能数据助手 — DB-GPT是一个开源的智能数据助手，利用Python语言开发，能够支持下一代AI和数据产品的开发。它能够提供数据管理和分析功能，帮助开发者更好地利用数据。DB-GPT的出现对AI和数据产品的发展具有重要意义

Python★ 19.4k⑂ 2.8kai-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

☆