"keyword-research"

📦 开源项目

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★ 12.2k⑂ 1.7kother

+23 ★☆

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★ 38.4k⑂ 8.5kai-ml

☆

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

☆

every-app/open-seo

open-seo：开源SEO优化工具 — open-seo是一个使用TypeScript开发的开源项目，旨在提供一个免费的SEO优化工具，帮助开发者和网站管理员提高网站的搜索引擎排名和可见性。它的功能与Semrush和Ahrefs类似，但完全开源，任何人都可以使用和贡献。open-seo的出现为SEO优化提供了一个新的选择，尤其是对于中小型网站和个人开发者

TypeScript★ 6.6k⑂ 711web

+849 ★☆

nextapps-de/flexsearch

flexsearch：下一代全文搜索库 — flexsearch是一个高性能的全文搜索库，支持模糊搜索和多种索引策略。它可以用于浏览器和Node.js环境，提供快速准确的搜索结果。flexsearch的出现填补了JavaScript全文搜索领域的空白，提供了一个强大的搜索解决方案

JavaScript★ 13.8k⑂ 521web

☆

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★ 58.6k⑂ 2.6kbackend

☆

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★ 28.8k⑂ 2.4kai-ml

☆

elastic/elasticsearch

elasticsearch：分布式搜索引擎 — elasticsearch是一个基于Java的搜索引擎，提供分布式搜索和数据分析能力。它可以处理大量数据，提供快速和准确的搜索结果。elasticsearch在许多行业中被广泛使用，包括电商、社交媒体和数据分析等领域

Java★ 77.4k⑂ 25.9kother

+91 ★☆

andrewyng/context-hub

context-hub：上下文中心库 — context-hub提供了一个简单的方式来管理和共享上下文数据，使得开发者可以更容易地构建复杂的Web应用。它通过提供一个统一的接口来访问和更新上下文数据，从而简化了应用的开发和维护。同时，context-hub也支持多种数据存储和缓存机制，提高了应用的性能和可扩展性

JavaScript★ 13.8k⑂ 1.2kweb

☆

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⑂ 19.7kai-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★ 28.5k⑂ 3.8kai-ml

☆

qdrant/qdrant

qdrant：高性能向量数据库和搜索引擎 — qdrant是一个高性能、可扩展的向量数据库和搜索引擎，用于下一代AI应用。它支持海量数据存储和高效查询，适用于AI搜索、推荐系统和机器学习等场景。qdrant还提供云服务，方便用户使用

Rust★ 33.4k⑂ 2.5kai-ml

☆

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 ★☆

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

☆

typesense/typesense

typesense：快速模糊搜索引擎 — typesense是一个开源的搜索引擎，旨在提供快速、模糊搜索功能，适用于构建出色的搜索体验。它支持多种搜索功能，包括全文搜索、地理搜索、向量搜索等。typesense的设计目标是提供一个易于使用的搜索引擎，帮助开发者快速构建出色的搜索体验

C++★ 26.3k⑂ 951other

☆

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★ 37.8k⑂ 5.3kai-ml

☆

kdn251/interviews

interviews：技术面试准备 — interviews 仓库包含了大量的算法和编码挑战，帮助您准备技术面试。通过练习和学习这些挑战，您可以提高自己的编码能力和解决问题的技能，从而增加获得工作的机会。同时，仓库中的 LeetCode 题解和 Java 代码也为您提供了宝贵的参考资源。

Java★ 65k⑂ 12.9kother

☆

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。

★ 33.6k⑂ 2.8kai-ml

☆

srbhr/Resume-Matcher

Resume-Matcher：简化简历优化 — Resume-Matcher 利用机器学习和自然语言处理技术帮助用户改善简历，提供关键词建议和简历与职位描述的匹配度分析，从而提高简历通过申请跟踪系统（ATS）的几率。该工具支持多种技术，如 Next.js、Python 和 TypeScript。通过使用 Resume-Matcher，用户可以更好地优化简历，提高求职成功率。

TypeScript★ 27.8k⑂ 4.9kai-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

☆

VectifyAI/PageIndex

PageIndex：基于推理的向量无文档索引 — PageIndex 提供了一种新颖的方法来进行文档索引，无需使用传统的向量数据库，而是依赖于推理来增强信息检索。这对于需要复杂推理能力的应用程序非常有用。

Python★ 34.1k⑂ 3kai-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★ 91.6k⑂ 13.1kai-ml

☆

stanford-oval/storm

storm：基于LLM的知识整理系统 — storm是一个利用大型语言模型（LLM）进行主题研究和生成全长度报告的知识整理系统，包括引用。该系统可以帮助用户快速获取特定主题的深入研究报告。storm的出现对知识整理和报告生成领域具有重要意义。

Python★ 30k⑂ 2.8kai-ml

☆

valeriansaliou/sonic

sonic：快速轻量级搜索后端 — sonic是一个使用Rust编写的搜索后端，具有快速、轻量级和无需模式的特点。它可以作为Elasticsearch的替代品，能够在有限的资源下提供高效的搜索服务。sonic的设计目标是提供一个简单、灵活和高性能的搜索解决方案

Rust★ 21.3k⑂ 615backend

☆

trufflesecurity/trufflehog

trufflehog：秘密泄露检测工具 — trufflehog 是一个开源工具，用于检测和分析泄露的凭证，帮助开发者和安全团队保护敏感信息。它通过扫描代码仓库和其他数据源来发现潜在的安全风险。trufflehog 的功能对于确保应用程序和服务的安全性至关重要

Go★ 27.1k⑂ 2.5ksecurity

☆

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 ★☆

coqui-ai/TTS

TTS：深度学习文本转语音工具包 — TTS是一个基于深度学习的文本转语音工具包，支持多种语音合成模型和声码器，包括Glow-TTS、HiFiGAN和MelGAN等。它已在研究和生产环境中得到广泛应用，能够生成高质量的语音。TTS的主要特点包括支持多说话人语音合成、声码器和语音合成模型的选择等

Python★ 45.8k⑂ 6.2kai-ml

☆

chatboxai/chatbox

chatbox：人工智能客户端 — chatbox是一个利用TypeScript开发的AI客户端，能够与多种AI模型（如chatbot、chatgpt、gpt等）交互。它提供了一个强大的平台，用于构建和集成AI功能。chatbox的出现使得开发者能够更容易地创建和部署AI应用

TypeScript★ 41.1k⑂ 4.2kai-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

☆

unbug/codelf

codelf：代码搜索工具 — codelf是一个能够帮助开发者快速搜索和找到合适的代码库和资源的工具。它解决了开发者在命名代码库和资源时遇到的问题，提高了开发效率。通过使用codelf，开发者可以更容易地找到需要的代码和资源，从而提高整个开发过程的质量和速度

JavaScript★ 14.2k⑂ 960tools

☆

TheAlgorithms/C-Plus-Plus

C-Plus-Plus：算法集合 — C-Plus-Plus 项目提供了各种算法的 C++ 实现，涵盖数学、机器学习、计算机科学和物理等领域。这些算法可以用于教育目的，帮助学生和开发者了解和学习算法。同时，这个项目也是算法竞赛和面试准备的宝贵资源。

C++★ 34.5k⑂ 7.8kai-ml

☆

TheAlgorithms/Python

Python：算法实现集合 — Python项目提供了一个社区驱动的算法实现集合，包括排序算法、搜索算法等，用于教育和实践目的。该项目让开发者能够轻松学习和练习各种算法。同时，也为开发者提供了一个平台来分享和讨论算法实现

Python★ 222.9k⑂ 50.9kgame

☆

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★ 38.5k⑂ 3.1kother

☆

santifer/career-ops

career-ops：AI 职业搜索系统 — career-ops 是一个开源的 AI 职业搜索系统，利用 Claude Code 构建。它提供了 14 种技能模式、Go 仪表盘、PDF 生成和批量处理等功能，能够有效地帮助求职者找到合适的工作。该系统的开发使用了 JavaScript 和 Go 语言，具有高度的自动化和开放性。

JavaScript★ 60.6k⑂ 11.9ktools

☆

TheAlgorithms/C

C：算法集合 — C 项目提供了一个丰富的算法集合，涵盖了数学、机器学习、计算机科学和物理等领域，使用 C 语言实现。这个项目对于教育目的和学习算法原理非常有用。同时，它也为开发者提供了一个很好的参考资源。

C★ 22.3k⑂ 4.8kai-ml

☆