"線性可擴展性"

OpenRLHF/OpenRLHF

OpenRLHF：基於 Ray 的高效能代理式強化學習框架 — OpenRLHF 提供了一個易於使用、可擴展且高效能的框架，讓研究人員和開發人員可以快速地開發和部署強化學習模型。它基於 Ray，支援多種演算法和技術，包括 PPO、DAPO、REINFORCE++、VLM、TIS、vLLM 和 Async RL。OpenRLHF 的目標是提供一個高效能和可擴展的框架，讓強化學習可以更廣泛地應用於各個領域。

Python★ 9.9k⑂ 988ai-ml

☆

kvcache-ai/ktransformers

ktransformers：異構LLM推論/微調優化框架 — ktransformers 是一個靈活的框架，專為異構大語言模型（LLM）的推論和微調優化而設計。它允許用戶在不同的硬件和軟件環境中進行高效的模型部署和調整，從而提高性能和效率。

Python★ 18.8k⑂ 1.5kai-ml

+458 ★☆

apache/cassandra

cassandra：開源交易式分布式數據庫 — cassandra 是一個開源的交易式分布式數據庫，能夠在通用硬件或雲基礎設施上實現線性可擴展性和故障容錯。它對於需要高可用性和高性能的應用程序來說非常關鍵。

Java★ 9.9k⑂ 4kdevops

+7 ★☆

langchain-ai/open_deep_research

open_deep_research：開源深度研究平台 — open_deep_research 提供了一個強大的開源框架，支持各種深度學習模型的開發和研究。它對於希望在深度學習領域進行創新研究的開發者來說極為重要。

Python★ 12.3k⑂ 1.7kother

+23 ★☆

cortexproject/cortex

cortex：水平擴展的長期 Prometheus 解決方案 — cortex 是一個基於 Prometheus 的長期儲存解決方案，提供水平擴展和高可用性，適合大規模的監控系統。它支持多租戶和長期儲存，讓用戶可以更容易地管理和分析監控數據。通過使用 cortex，用戶可以更好地了解系統的性能和健康狀態。

Go★ 5.8k⑂ 871devops

☆

nvie/gitflow

gitflow：版本控制分支模型 — gitflow 提供了一套高級別的儲存庫操作，讓開發者可以更輕鬆地管理版本控制分支模型。這套工具可以幫助開發者實現更有效的版本控制和合作開發。通過使用 gitflow，開發者可以更好地管理複雜的版本控制流程

Shell★ 26.8k⑂ 2.6kother

☆

vuejs/petite-vue

petite-vue：輕量級Vue框架 — petite-vue是一個輕量級的Vue框架，旨在提供進階增強功能。它是Vue的子集，優化了性能和體積，非常適合需要輕量級框架的項目。通過使用petite-vue，可以更容易地構建快速和高效的網頁應用程序

TypeScript★ 9.7k⑂ 397web

☆

grafana/grafana

grafana：開源的可觀測性和數據視覺化平台 — grafana是一個開源的可觀測性和數據視覺化平台，允許用戶從多個來源視覺化指標、日誌和追蹤數據。它支持多種數據源，如Prometheus、Loki、Elasticsearch、InfluxDB、Postgres等，讓用戶可以輕鬆地監控和分析其應用程序和系統的性能。grafana的可組合性使其成為一個高度可定制和擴展的平台

TypeScript★ 75k⑂ 14.1kdevops

+32 ★☆

langchain-ai/langgraph

langgraph：建設強健的代理 — langgraph 是一個開源的 Python 框架，能夠幫助開發者建立強健的代理，利用 AI 技術來實現智能代理的功能。這個框架提供了一個簡單的方式來建設和管理代理，能夠應用於各種領域。langgraph 的目的是為了提供一個強健和可擴展的代理建設框架，能夠幫助開發者建立更好的智能代理

Python★ 38.2k⑂ 6.4kai-ml

☆

allenai/olmocr

olmocr：PDF 文檔線性化工具包 — olmocr 提供了一個簡單的方法來處理 PDF 文檔，讓用戶可以輕鬆地將其轉換為大型語言模型（LLM）可以接受的格式。這個工具包是基於 Python 開發的，使用簡單且高效。olmocr 的出現可以大大提高 LLM 數據集的準備效率和質量

Python★ 18.5k⑂ 1.5kai-ml

+334 ★☆

zml/zml

zml：零損害的模型硬件整合 — zml是一個使用Zig語言建構的項目，旨在實現任何模型在任何硬件上運行的能力，同時結合了@ziglang、@openxla、MLIR和@bazelbuild等技術。這個項目的目的是提供一個高效、靈活的模型部署解決方案，讓開發者可以輕鬆地將模型部署在各種硬件平台上。同時，zml也提供了高性能的模型推理能力，讓開發者可以實現高效的AI應用。

Zig★ 3.9k⑂ 171ai-ml

☆

yifanfeng97/Hyper-Extract

Hyper-Extract：超圖文本提取 — Hyper-Extract是一個強大的工具，利用LLMs技術將非結構化文本轉換為結構化知識，支援多種提取功能，如圖、超圖和時空提取等。這使得用戶可以輕鬆地從文本中提取有用的信息。同時，Hyper-Extract的命令行界面使得使用更加簡單便捷

Python★ 1.9k⑂ 210ai-ml

+124 ★☆

cloudflare/pingora

pingora：用於建構快速、可靠和可演化的網路服務庫 — pingora 是一個 Rust 庫，提供了建構快速、可靠和可演化的網路服務的功能。它可以幫助開發者建立高效和可擴展的網路應用程式。透過使用 pingora，開發者可以簡化網路服務的建構和維護過程

Rust★ 27.1k⑂ 1.7kother

☆

bazelbuild/bazel

bazel：快速可擴展的建置系統 — bazel是一個強大的建置工具，支持多種程式語言，能夠快速建置和測試軟體項目。它的可擴展性和彈性使其成為許多大型軟體項目的首選建置系統。通過使用bazel，開發人員可以提高軟體開發效率和質量

Java★ 25.7k⑂ 4.5kother

☆

pandas-dev/pandas

pandas：Python 數據分析庫 — pandas 提供了高效的數據操作和分析功能，包括數據清理、轉換和合併等，能夠有效地處理和分析大型數據集。同時，pandas 也提供了豐富的統計和數學函數，能夠進行複雜的數據分析和可視化。因此，pandas 是 Python 中非常受歡迎的數據分析庫

Python★ 49.3k⑂ 20.2kdata

☆

solidjs/solid

solid：JavaScript 用戶界面庫 — solid 是一個用於構建用戶界面的 JavaScript 庫，具有宣告式、效率高且靈活的特點。它使用 TypeScript 編寫，支持 JSX 和反應式編程，能夠提供更好的性能和更細粒度的控制。solid 的設計目標是提供一個簡單、易用且高效的用戶界面構建解決方案。

TypeScript★ 35.8k⑂ 1.1kweb

☆

doctrine/lexer

lexer：基礎詞法分析庫 — lexer是一個基礎詞法分析庫，可以用於構建Top-Down、遞歸下降解析器，提供了基礎的詞法分析功能。這個庫的主要目的是提供一個基礎的詞法分析框架，讓開發者可以輕鬆地構建自己的解析器。同時，lexer也可以用於提高解析器的效率和準確性

PHP★ 11.2k⑂ 65backend

☆

sipeed/picoclaw

picoclaw：微小、快速、可部署的自動化工具 — picoclaw是一個用Go語言開發的微小、快速、可部署的自動化工具，旨在自動化日常工作，讓用戶解放創造力。它可以部署在任何地方，讓用戶專注於更重要的工作。通過使用picoclaw，用戶可以提高工作效率，解放更多時間進行創造性工作

Go★ 29.7k⑂ 4.3kbackend

☆

Shopify/liquid

liquid：網頁應用模板語言 — liquid是一種模板語言，允許開發者創建動態且安全的網頁內容。它適用於彈性的網頁應用程式，提供了高程度的自定義和擴展能力。liquid的設計宗旨是提供一個安全、易於使用的模板語言，讓開發者可以專注於創建優質的網頁應用程式。

Ruby★ 11.8k⑂ 1.5kweb

☆

MiniMax-AI/skills

skills：人工智慧技能開發 — skills是一個開源項目，提供了一個基於C#的技能開發框架，讓開發者可以輕鬆地創建和集成人工智慧技能。這個項目的目的是提供一個簡單和靈活的方式來開發和應用人工智慧技能。同時，skills也提供了一個強大的API，讓開發者可以輕鬆地擴展和自定義技能

C#★ 13.2k⑂ 1.1kother

☆

acdlite/recompose

recompose：React 函數元件和高階元件的實用工具帶 — recompose 提供了一系列的工具和函式，幫助開發者更容易地創建和管理 React 函數元件和高階元件。這些工具可以簡化元件的開發過程，提高代碼的可維護性和可擴展性。通過使用 recompose，開發者可以更專注於元件的業務邏輯，提高開發效率

JavaScript★ 14.8k⑂ 1.2kweb

☆

hyperledger/fabric

fabric：企業級區塊鏈框架 — fabric的模組化和多樣化設計滿足了廣泛的行業用例需求。它提供了一種獨特的共識方法，可以在保持隱私的同時實現大規模的性能。同時，fabric也提供了高可擴展性和安全性，適合於各種企業級應用。

Go★ 16.7k⑂ 9.1kblockchain

☆

asmvik/yabai

yabai：macOS 的二元空間分割窗口管理器 — yabai 是一個為 macOS 設計的窗口管理器，使用二元空間分割算法來管理窗口。它可以幫助用戶更有效地管理桌面窗口，提高工作效率。yabai 的開源性質也使其可以被社群修改和擴展

C★ 29.3k⑂ 734other

☆

dimforge/nalgebra

nalgebra：線性代數庫 — nalgebra是一個線性代數庫，為Rust語言提供了高效的矩陣和向量運算功能。它可以用於各種科學計算和機器學習任務，讓開發者能夠輕鬆地處理複雜的數學運算。nalgebra的設計目標是提供一個簡單易用的API，讓開發者能夠快速地完成任務。

Rust★ 4.8k⑂ 558other

☆

microsoft/BitNet

BitNet：1 位 LLM 推理框架 — BitNet 是一個開源的框架，旨在為 1 位大型語言模型（LLMs）提供高效的推理能力。它使用 Python 進行開發，為開發人員提供了一個簡單易用的介面。通過 BitNet，開發人員可以輕鬆地部署和管理 1 位 LLMs，從而提高推理效率和準確度

C++★ 39.8k⑂ 3.7kai-ml

☆

xai-org/grok-build

grok-build：SpaceXAI的編碼代理和TUI — grok-build 是 SpaceXAI 提供的一個全屏、可互動且可擴展的編碼代理和終端用戶界面，旨在提高開發效率。

Rust★ 22.8k⑂ 4.3kai-ml

☆

yujincheng08/BiliRoaming

BiliRoaming：哔哩漫游模块 — BiliRoaming是一個基於Xposed框架的模块，主要用於解除BILIBILI客户端中的番剧区域限制。它可以幫助用戶暢順地觀看來自不同地區的番剧內容。此外，BiliRoaming還提供了一些其他的小功能，豐富了用戶的視聽體驗。

Kotlin★ 11.6k⑂ 778mobile

☆

chenfei-wu/TaskMatrix

TaskMatrix：任務管理工具 — TaskMatrix 是一個開源的任務管理工具，使用 Python 編寫。它提供了一個簡單易用的介面來管理和追蹤任務，讓用戶可以輕鬆地組織和優先處理任務。透過 TaskMatrix，用戶可以提高工作效率和生產力。

Python★ 34.1k⑂ 3.2kother

☆

MemTensor/MemOS

MemOS：自我演化記憶作業系統 — MemOS是一個自我演化的記憶作業系統，旨在為大型語言模型和AI代理人提供更好的記憶管理和技能重用功能。它的超級持久記憶和混合檢索功能可以幫助AI代理人更好地學習和適應新的任務和環境。同時，MemOS的跨任務技能重用功能可以節省35.24%的token，提高AI代理人的效率和性能

TypeScript★ 10k⑂ 913ai-ml

☆

mrkai77/Loop

Loop：窗口管理的优雅解决方案 — Loop 通过提供更直观和高效的窗口管理方式，帮助用户提高工作效率。它使用 Swift 和 SwiftUI 开发，能够无缝地集成到 macOS 系统中。Loop 的出现填补了传统窗口管理工具的不足，给用户带来全新的体验。

Swift★ 11.3k⑂ 256mobile

☆

smartcontractkit/chainlink

chainlink：去中心化oracle網路節點 — chainlink是一個基於Go語言開發的去中心化oracle網路節點，旨在將區塊鏈和傳統計算連接起來，提供可靠的數據來源。它通過節點網路橋接on-chain和off-chain計算，為智能合約提供必要的數據。chainlink對於區塊鏈生態系統的發展具有重要意義

Go★ 8.2k⑂ 2kblockchain

☆

immutable-js/immutable-js

immutable-js：JavaScript 永久性数据集合 — immutable-js 提供了持久性数据集合，确保数据的不可变性和线程安全性。这种设计可以提高代码的效率和简化数据处理。通过使用 immutable-js，可以更好地管理复杂的数据结构和状态变化

TypeScript★ 33.1k⑂ 1.9kdata

☆

HKUDS/LightRAG

LightRAG：簡單快速的檢索增強生成 — LightRAG是一個簡單快速的檢索增強生成框架，基於Python實現，能夠有效地整合知識圖譜和大型語言模型，從而提高生成文本的質量和相關性。它的出現為自然語言生成領域帶來了新的可能性。LightRAG的優勢在於其簡潔的設計和快速的運行速度，使其成為了一個非常有前途的研究方向

Python★ 38.2k⑂ 5.4kai-ml

☆

sirupsen/logrus

logrus：Go 結構化日誌庫 — logrus 提供了結構化的日誌功能，允許開發人員以 JSON 或文本格式輸出日誌，同時也支持多種輸出格式和自定義的 Hook 函數。這使得 logrus 成為 Go 程式語言中的一個熱門日誌庫。logrus 的設計宗旨是提供一個簡單、靈活和高效的日誌系統，讓開發人員可以輕鬆地管理和分析日誌數據

Go★ 25.8k⑂ 2.3kbackend

☆

microsoft/graphrag

graphrag：基於圖的检索增強生成系統 — graphrag 是一個基於圖的检索增強生成系統，利用圖結構來增強生成模型的能力。這個系統可以應用於各種自然語言處理任務，例如文本生成和問答系統。graphrag 的模組化設計使其易於擴展和自定義，適合各種應用場景

Python★ 34.9k⑂ 3.7kai-ml

☆

google-ai-edge/mediapipe

mediapipe：跨平台機器學習框架 — mediapipe是一個強大的跨平台框架，提供了可自訂的機器學習解決方案，適用於直播和串流媒體。它支援多種功能，包括計算機視覺、深度學習和音頻處理。mediapipe的優勢在於其高效率和可擴展性，使其成為各類應用程式的理想選擇。

C++★ 36.3k⑂ 6.1kai-ml

☆

dottxt-ai/outlines

outlines：結構化輸出 — outlines 是一個用於生成結構化輸出的工具，特別適合需要精確格式化的應用場景。

Python★ 15.2k⑂ 807other

+364 ★☆