"网格优化"

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

☆

zeux/meshoptimizer

meshoptimizer：网格优化库 — meshoptimizer是一个C++库，用于优化3D网格数据，减小网格大小并加快渲染速度。它通过删除冗余数据、合并顶点和优化索引缓冲区来实现优化。这种优化对于实时渲染应用程序（如游戏和模拟器）至关重要，因为它可以显著提高性能

C++★ 8k⑂ 778other

+86 ★☆

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★ 37k⑂ 6.2kai-ml

☆

justrach/turboAPI

turboAPI：高速Python框架 — turboAPI是一个高速的Python框架，采用Zig HTTP核心，实现了7倍的性能提升。它兼容FastAPI，并提供免费的原生线程功能，使其成为构建高性能Web应用的理想选择。通过使用turboAPI，开发者可以创建更快、更可靠的Web应用

Zig★ 1k⑂ 29backend

☆

facebookarchive/prepack

prepack：JavaScript 代码优化工具 — prepack 通过分析 JavaScript 代码，消除未使用的代码，减小代码体积，并优化代码执行效率。这种优化对于提高 Web 应用性能和减少加载时间至关重要。通过使用 prepack，开发者可以更好地优化他们的 JavaScript 代码，提高用户体验。

JavaScript★ 14.1k⑂ 412web

☆

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。

Python★ 60.5k⑂ 7kai-ml

☆

leptos-rs/leptos

leptos：构建快速的Web应用程序 — leptos允许开发者使用Rust语言构建快速、可靠的Web应用程序。它支持DOM、同构渲染、反应式编程和服务器端渲染等功能，适合构建复杂的Web应用。通过使用leptos，开发者可以创建高性能、安全的Web应用。

Rust★ 21.1k⑂ 874web

☆

nullclaw/nullclaw

nullclaw：快速、紧凑的自主AI助手基础设施 — nullclaw是一个使用Zig语言编写的AI助手基础设施，具有快速、紧凑和完全自主的特点。它可以帮助用户快速构建自己的AI助手系统。nullclaw的出现为AI助手的开发提供了新的选择和可能性

Zig★ 7.7k⑂ 903ai-ml

☆

netdata/netdata

netdata：AI驱动的全栈可观测性监控 — netdata是一个开源的监控系统，使用AI和机器学习技术提供全栈可观测性解决方案。它支持多种数据源，包括MySQL、PostgreSQL、MongoDB等，并提供实时数据可视化和告警功能。netdata的快速部署和易用性使其成为DevOps和监控领域的热门选择。

Go★ 79.6k⑂ 6.5kdevops

☆

cloudflare/pingora

pingora：构建快速可靠网络服务库 — pingora是一个使用Rust编写的库，用于构建快速、可靠和可演化的网络服务。它提供了一种简单的方式来构建和管理网络服务，能够提高服务的性能和可靠性。通过使用pingora，开发者可以更容易地构建和维护大规模的网络服务。

Rust★ 27k⑂ 1.7kother

☆

Atlas-OS/Atlas

Atlas：优化Windows性能、隐私和可用性的开源项目 — Atlas是一个开源的Windows优化项目，通过修改和精简Windows系统，来提高性能、保护隐私和改善可用性。该项目致力于提供一个更轻量、更安全、更高效的Windows使用体验。同时，Atlas也是一个开源社区项目，欢迎开发者和用户贡献和参与。

Batchfile★ 21k⑂ 734security

☆

david-vanderson/dvui

dvui：即时Zig GUI库 — dvui提供了一个简单高效的方式来创建图形用户界面，使得开发者可以快速构建应用程序和游戏。dvui使用Zig语言编写，具有高性能和可靠性。通过使用dvui，开发者可以专注于创建高质量的用户体验，而无需担心底层的实现细节

Zig★ 1.6k⑂ 133other

☆

tokio-rs/axum

axum：Rust 的 HTTP 路由和请求处理库 — axum 是一个 Rust 库，用于处理 HTTP 请求和路由，具有高度的可定制性和扩展性。它的设计目标是提供一个易于使用的 API，帮助开发者快速构建 Web 应用。axum 的模块化设计使得开发者可以轻松地添加或删除功能，满足不同的需求

Rust★ 26.5k⑂ 1.4kother

☆

ConardLi/easy-dataset

easy-dataset：数据集创建工具 — easy-dataset是一个JavaScript库，用于简化数据集的创建过程。它支持LLM微调、RAG和Eval等多种应用场景。通过使用easy-dataset，开发者可以更高效地创建和管理数据集，从而提高AI模型的性能和准确性。

JavaScript★ 14.6k⑂ 1.5kai-ml

☆

microsoft/graphrag

graphrag：基于图的检索增强生成系统 — graphrag是一个基于图的检索增强生成（RAG）系统，使用Python语言开发。该系统能够提高生成模型的性能和效率，特别是在处理大规模数据时。graphrag的模块化设计使其易于扩展和定制，适用于各种自然语言处理任务。

Python★ 34.3k⑂ 3.6kai-ml

☆

maximhq/bifrost

bifrost：企业AI网关 — bifrost是目前最快的企业AI网关，能够以每秒5千次请求的速度运行，开销低于100微秒。它支持1000+模型，并具有集群模式、防护栏和自适应负载均衡器等功能。bifrost的出现可以帮助企业更好地利用AI技术，提高效率和降低成本。

Go★ 6k⑂ 807ai-ml

☆

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

☆

asmvik/yabai

yabai：macOS 窗口管理器 — yabai 是一个开源的窗口管理器，使用 C 语言编写，基于二进制空间分割算法，能够高效地管理 macOS 的窗口布局。它提供了灵活的窗口管理功能，能够满足不同用户的需求。通过使用 yabai，用户可以更好地组织和管理他们的窗口，提高工作效率

C★ 29.2k⑂ 733other

☆

ankane/pghero

pghero：Postgres 性能监控仪表盘 — pghero 提供了一个直观的界面来监控 Postgres 的性能，帮助开发者快速识别和解决数据库瓶颈。通过使用 pghero，开发者可以优化数据库性能，提高应用程序的整体效率。同时，pghero 也支持多种自定义配置，满足不同用户的需求

Ruby★ 8.9k⑂ 478backend

☆

infiniflow/ragflow

ragflow：开源检索增强生成引擎 — ragflow通过结合检索和生成技术，提供了更好的上下文理解和生成能力。它可以应用于各种自然语言处理任务，例如问答、文本生成和对话系统。ragflow的开源性使其可以被广泛应用和扩展

Go★ 84.7k⑂ 9.9kai-ml

☆

acdlite/recompose

recompose：React 函数组件和高阶组件工具库 — recompose 为 React 开发者提供了一系列实用函数和高阶组件，帮助简化组件开发和复用。它支持函数组件和高阶组件，提高了开发效率和代码可维护性。通过使用 recompose，可以更轻松地构建和管理复杂的 React 应用

JavaScript★ 14.8k⑂ 1.2kweb

☆

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

☆

yifanfeng97/Hyper-Extract

Hyper-Extract：结构化知识提取 — Hyper-Extract可以将无结构文本转化为结构化知识，支持图、超图和时空提取等功能。它利用LLMs技术，以一条命令即可完成复杂的数据提取工作。这种功能可以帮助用户更好地理解和利用文本数据

Python★ 1.9k⑂ 210ai-ml

+124 ★☆

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++★ 33.4k⑂ 1.1kother

☆

raylib-zig/raylib-zig

raylib-zig：Zig 语言的 raylib 绑定 — raylib-zig 为 Zig 语言提供了对 raylib 的支持，使得 Zig 开发者能够使用 raylib 进行游戏开发。该项目通过手动调整和自动生成绑定，确保了 Zig 语言对 raylib 的兼容性和可用性。这样，Zig 开发者就可以利用 raylib 的强大功能创建高质量的游戏

Zig★ 1.8k⑂ 255game

☆

justrach/codedb

codedb：Zig 代码智能服务器和 MCP 工具集 — codedb 是一个 Zig 代码智能服务器和 MCP 工具集，用于 AI 代理，提供快速的树、概要、符号、搜索、读取、编辑、依赖、快照和远程 GitHub 仓库查询功能。它可以帮助开发者更高效地编写和管理代码。codedb 的功能对于 AI 代理和开发者来说都是非常重要的。

Zig★ 1.3k⑂ 79ai-ml

☆

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 ★☆

hellzerg/optimizer

optimizer：Windows优化工具 — optimizer可以帮助用户清理系统垃圾、优化注册表、管理启动项和hosts文件等，提高系统性能和保护用户隐私。它支持多个Windows版本，包括Windows 10、Windows 7、Windows 8等。optimizer的优化功能可以帮助用户获得更快、更安全的系统体验

C#★ 18.3k⑂ 1.2kother

☆

QuivrHQ/quivr

quivr：集成GenAI的智能RAG解决方案 — quivr是一个开源的Python项目，提供了一个简单易用的方式将GenAI集成到应用中。它支持多种LLM和Vectorstore，包括GPT4、Groq、Llama、PGVector和Faiss。quivr的设计目标是让开发者能够专注于产品开发，而不需要花费大量时间在RAG的实现上

Python★ 39.2k⑂ 3.7kai-ml

☆

huggingface/pytorch-image-models

pytorch-image-models：PyTorch 图像编码器集合 — pytorch-image-models 提供了一个全面且易于使用的 PyTorch 图像编码器集合，包含多种预训练模型和脚本，能够帮助开发者快速构建和部署图像分类模型。该集合包括了 ResNet、ResNeXT、EfficientNet、NFNet、Vision Transformer 等流行模型，能够满足不同应用场景的需求。同时，pytorch-image-models 也提供了便捷的训练、评估和推理脚本，能够帮助开发者快速上手和部署模型

Python★ 37k⑂ 5.2kai-ml

☆

fairyglade/ly

ly：轻量级Linux和BSD终端用户界面显示管理器 — ly是一个基于文本用户界面的显示管理器，支持Linux和BSD系统，使用Zig语言编写。它提供了一个轻量级的登录管理解决方案，支持PAM认证。ly的开发目标是提供一个快速、稳定和安全的显示管理器，满足用户的需求。

Zig★ 7.4k⑂ 350other

☆

phillipi/pix2pix

pix2pix：图像到图像的翻译 — pix2pix 项目使用 Lua 语言和 DCGAN、GAN 等技术，实现了图像到图像的翻译。这种技术可以应用于图像生成、图像操纵等领域。pix2pix 的出现对计算机图形学和计算机视觉领域具有重要意义

Lua★ 10.6k⑂ 1.7kai-ml

☆

0voice/interview_internal_reference

interview_internal_reference：技术面试题目汇总 — interview_internal_reference 项目是一个技术面试题目和答案的集合，涵盖了 cpu、high-performance、interview、mongodb、mysql、network、nginx、redis、storage、zookeeper 等多个领域。该项目旨在帮助开发人员准备技术面试，提供了专家出题人分析汇总的面试题目和答案。同时，interview_internal_reference 项目也是一个学习和交流的平台，开发人员可以在这里找到很多有价值的面试经验和技术知识。

Python★ 37.2k⑂ 9.4kbackend

☆

MemTensor/MemOS

MemOS：自演化内存操作系统 — MemOS是为大语言模型（LLM）和AI代理设计的自演化内存操作系统。它实现了超持久内存、混合检索和跨任务技能复用，能够显著提高AI系统的性能和效率。通过MemOS，开发者可以创建更加智能和高效的AI应用，推动AI技术的发展

TypeScript★ 10k⑂ 913ai-ml

☆

pytorch/pytorch

pytorch：Python 动态神经网络库 — pytorch 提供了动态神经网络和张量计算的能力，支持强大的 GPU 加速，广泛应用于深度学习和机器学习领域。它的自动梯度计算和动态计算图使得模型构建和训练更加高效。pytorch 的灵活性和强大功能使其成为机器学习和深度学习开发者的首选库

Python★ 101.7k⑂ 28.5kai-ml

☆

facebook/zstd

zstd：快速实时压缩算法 — zstd是一种由Facebook开发的压缩算法，旨在提供高性能和低延迟的压缩和解压缩功能。它能够高效地处理大规模数据，并且广泛应用于各种领域。zstd的优点在于其速度快、效率高、并且能够实时压缩和解压缩数据

C★ 27.4k⑂ 2.5kother

☆