"ggml"

handy-computer/transcribe.cpp

transcribe.cpp：語音轉文字工具 — transcribe.cpp 是一個基於 ggml 庫的語音轉文字工具，支援超過 16 種不同的模型家族。它能夠高效地將語音轉換為文字，適用於各種需要自動轉錄語音的場景。

C++★ 1.4k⑂ 35other

+395 ★☆

dmlc/xgboost

xgboost：分布式梯度提升庫 — xgboost是一個強大的機器學習庫，提供了分布式梯度提升的功能，能夠處理大規模的數據集和複雜的模型。它支持多種程式語言，包括Python、R、Java、Scala、C++等，能夠運行在多種平台上。xgboost的優點在於其可擴展性、可攜帶性和高效性，使其成為機器學習領域的一個重要工具

C++★ 28.6k⑂ 8.9kai-ml

☆

sgl-project/sglang

sglang：高性能語言模型服務框架 — sglang是一個高性能的服務框架，適用於大型語言模型和多模態模型。它支持多種模型架構，包括Transformer、Moe和Diffusion，能夠提供快速和高效的推理服務。sglang的開發對於自然語言處理和人工智慧領域具有重要意義

Python★ 29.9k⑂ 6.9kai-ml

☆

LC044/WeChatMsg

WeChatMsg：微信消息管理工具 — WeChatMsg 是一個微信消息管理工具，使用 PyQt 進行開發，整合了 chatgpt 和 llms 的功能，讓用戶可以更方便地管理微信消息。這個工具可以幫助用戶自動化微信消息的處理，節省時間和提高效率。同時，WeChatMsg 也提供了一個簡單易用的介面，讓用戶可以輕鬆地使用。

★ 41.9k⑂ 5.2kai-ml

☆

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，能够支持Python和C++等项目的剖析和自译解功能。同时，它还支持PDF/LaTex论文的翻译和总结功能，以及并行问询多种LLM模型。通过接入多个LLM模型和服务，gpt_academic为用户提供了一个强大的工具，能够提高他们的工作效率和生产力。

Python★ 71.1k⑂ 8.3kai-ml

☆

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★ 34.5k⑂ 3.6kai-ml

☆

ollama/ollama

ollama：開源模型框架 — ollama 是一個基於 Go 的開源框架，旨在簡化使用多種 AI 模型的過程。它支持多種流行的模型，包括 Kimi-K2.6、GLM-5.1 和 DeepSeek 等。通過 ollama，開發人員可以快速地集成和使用這些模型，從而加速自己的開發速度和提高效率。

Go★ 176.5k⑂ 17kai-ml

☆

GokuMohandas/Made-With-ML

Made-With-ML：機器學習應用開發指南 — Made-With-ML 專案是一個全面性的機器學習開發指南，涵蓋了從資料工程到自然語言處理等多個領域，使用者可以學習如何使用 Python、PyTorch 和 Ray 來開發和部署機器學習模型。這個專案對於想要將機器學習應用於實際生產環境的開發者具有重要意義。通過這個專案，開發者可以學習如何提高機器學習模型的質量和效率，同時也可以學習如何使用 MLOps 來管理和維護機器學習模型

Jupyter Notebook★ 48.8k⑂ 7.7kai-ml

☆

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⑂ 170ai-ml

☆

tonybanters/oxwm

oxwm：Zig 編程語言的窗口管理器 — oxwm 是一個基於 Zig 的窗口管理器，提供了一種簡單且高效的方式來管理桌面應用程式。它使用 Zig 進行開發，以提供更好的性能和安全性。oxwm 的設計目標是提供一個輕量級、易於使用的窗口管理器，滿足用戶的需求

Zig★ 859⑂ 62other

☆

rasbt/LLMs-from-scratch

LLMs-from-scratch：從零開始實現類似ChatGPT的LLM — LLMs-from-scratch項目旨在使用PyTorch從零開始實現一個類似ChatGPT的LLM，通過一步一步的教程，讓開發者可以輕鬆地理解和實現LLM的原理。這個項目對於深度學習和自然語言處理領域的開發者具有重要的參考價值。同時，該項目也展示了使用PyTorch和Transformers等庫來實現LLM的可能性

Jupyter Notebook★ 99.4k⑂ 15.3kai-ml

☆

deepset-ai/haystack

haystack：開源AI編排框架 — haystack是一個開源的AI編排框架，用于建立生產就緒的LLM應用程序。它允許用戶設計模組化的管道和代理工作流，具有明確的控制權，可應用於可擴展的代理、RAG、多模態應用程序、語義搜索和對話系統。haystack的目的是為了提供一個高效和可擴展的解決方案，用于建設複雜的AI應用程序

MDX★ 25.9k⑂ 2.9kai-ml

☆

tensorflow/tensorflow

tensorflow：開源機器學習框架 — tensorflow是一個開源的機器學習框架，提供了大量的工具和資源，讓開發者可以輕鬆地建構和部署機器學習模型。它支持多種編程語言，包括C++和Python，並提供了強大的深度學習和神經網路功能。因此，tensorflow已經成為機器學習領域中最受歡迎的框架之一

C++★ 196.4k⑂ 75.6kai-ml

☆

tmux-plugins/tpm

tpm：Tmux 外掛程式管理工具 — tpm 提供了一個簡單的方式來管理 Tmux 的外掛程式，讓使用者可以輕鬆地安裝、更新和移除外掛程式。這個工具可以幫助使用者自訂自己的 Tmux 環境，提高工作效率。同時，tpm 也提供了一個方便的方式來分享和發佈自己的 Tmux 外掛程式

Shell★ 14.9k⑂ 500other

☆

vllm-project/vllm

vllm：高性能LLM推理和服务引擎 — vllm是一個開源的Python項目，提供高性能的LLM推理和服務能力，支持多種硬件平臺，包括AMD、CUDA、TPU等，使用pytorch和transformer等技術，能夠高效地處理LLM的推理和服務，對於LLM的應用和開發具有重要意義。vllm的設計目標是提供一個高吞吐量和記憶體效率的推理和服務引擎，能夠滿足LLM應用的需求。通過使用vllm，開發者可以更容易地部署和管理LLM模型，提高推理和服務的效率和準確性。

Python★ 86.6k⑂ 19.6kai-ml

☆

ageron/handson-ml2

handson-ml2：機器學習教程 — handson-ml2 是一個使用 Jupyter Notebook 編寫的機器學習教程，雖然已棄用，但仍可供參考。該教程使用 Python 和 Scikit-learn 等庫進行機器學習的實踐。由於已棄用，建議使用者轉向 handson-ml3 或 handson-mlp

Jupyter Notebook★ 29.9k⑂ 13.2kother

☆

maximhq/bifrost

bifrost：企業AI閘道器解決方案 — bifrost是一個企業AI閘道器解決方案，能夠提供快速、可擴展和安全的AI模型部署和管理。它支持多種AI模型和框架，包括LLM，同時具有自適應負載平衡和集群模式，以確保高性能和高可用性。bifrost的出色性能和功能使其成為企業AI應用的理想解決方案

Go★ 6k⑂ 807ai-ml

☆

HandBrake/HandBrake

HandBrake：開源視頻轉碼工具 — HandBrake是一個強大的視頻轉碼工具，支持多種視頻格式和GPLv2協議，能夠在多個平台上運行。它提供了便捷的視頻轉碼和編輯功能，對於用戶來說非常方便。HandBrake的開源性質也使其成為了一個可靠和安全的選擇

C★ 23.8k⑂ 1.7kother

☆

ultralytics/yolov5

yolov5：實時物體偵測模型 — yolov5 是一個高效能的物體偵測模型，使用 PyTorch 開發，能夠實時偵測物體。它支援多種格式，包括 ONNX、CoreML 和 TFLite，讓開發者能夠輕鬆地將模型整合到自己的應用程式中。yolov5 的出色表現使其成為機器學習和電腦視覺領域的一個重要工具

Python★ 57.7k⑂ 17.5kai-ml

☆

unslothai/unsloth

unsloth：開源模型訓練與運行平台 — unsloth 是一個開源項目，提供了一個方便的網頁界面，讓用戶可以在本地訓練和運行各種開源模型，支持多種模型包括 Gemma 4、Qwen3.6、DeepSeek 和 gpt-oss。這個項目可以幫助用戶更好地控制自己的模型和數據，同時也提供了一種自主的模型訓練和運行方式。unsloth 的出現對於開源模型的發展和應用具有重要意義

Python★ 68.4k⑂ 6.2kai-ml

☆

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

☆

jbeder/yaml-cpp

yaml-cpp：C++ YAML 解析器和發射器 — yaml-cpp 提供了一個高效且易於使用的 YAML 解析和發射器，允許開發人員輕鬆地在 C++ 中工作 với YAML 數據。這個程式庫是開源的，廣泛用於各種應用中。通過使用 yaml-cpp，開發人員可以簡化 YAML 數據的處理和交換

C++★ 6.1k⑂ 2.3kother

+69 ★☆

playcanvas/supersplat

supersplat：3D 高斯斑點編輯器 — supersplat 是一個基於 PlayCanvas 的 3D 高斯斑點編輯器，使用 TypeScript 和 WebGL/WebGPU 實現。它能夠提供高效的 3D 高斯斑點渲染和編輯功能，對於 3D 圖形設計和遊戲開發具有重要意義。通過 supersplat，開發者可以輕鬆地創建和編輯 3D 高斯斑點，從而提高開發效率和質量

TypeScript★ 9.6k⑂ 1.1ktools

☆

mem0ai/mem0

mem0：通用人工智慧記憶層 — mem0 是一個 Python 製作的通用記憶層，能夠讓 AI Agent 擁有長期記憶管理功能，從而提升其應用能力。它支持多種 AI 模型，包括 chatbots 和 LLM。這個功能對於開發更先進的 AI 應用程序具有重要意義

TypeScript★ 61.2k⑂ 7.1kai-ml

☆

microsoft/WSL

WSL：Windows 子系統 Linux 版 — WSL（Windows Subsystem for Linux）是微軟開發的相容層，允許在 Windows 10 和 11 上原生執行 Linux 應用程式。它提供完整的 Linux 核心介面，支援多種發行版，並與 Windows 檔案系統整合，大幅提升開發者生產力。

C++★ 33.1k⑂ 1.8kother

☆

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

☆

mozilla-ai/llamafile

llamafile：以單一檔案分佈和運行大型語言模型 — llamafile 的主要功能是將大型語言模型打包成單一檔案，讓用戶可以輕鬆地在不同平台上分佈和運行。這個功能對於開發人員和用戶來說非常重要，因為它可以簡化大型語言模型的部署和運行過程。同時，llamafile 也支持跨平台和本地推理等功能，讓用戶可以更靈活地使用大型語言模型。

C++★ 25.4k⑂ 1.5kai-ml

☆

zai-org/GLM-5

GLM-5：從 Vibe Coding 到 Agentic Engineering — GLM-5 項目致力於將 Vibe Coding 的概念提升至 Agentic Engineering 的層次，讓開發人員能夠更有效地開發和維護軟件。這個項目的目標是提供一個更好的開發框架和工具，讓開發人員能夠更好地控制和管理他們的代碼。同時，GLM-5 也致力於推動開源社區的發展和合作。

★ 4.7k⑂ 472other

+480 ★☆

go-pg/pg

pg：PostgreSQL 的 Golang ORM — pg 提供了高性能和易用的 PostgreSQL 数据库操作功能，支持 hstore 和 jsonb 数据类型，并且具有良好的扩展性。通过使用 pg，开发者可以更轻松地与 PostgreSQL 数据库交互，提高开发效率。同时，pg 的高性能和可靠性使其成为构建大规模应用的理想选择

Go★ 5.8k⑂ 413backend

☆

hiyouga/LlamaFactory

LlamaFactory：大型語言模型優化 — LlamaFactory 通過提供一個統一的介面，支持多種微調技術，如 PEFT、LORA 和 QLoRA，從而實現了對多個大型語言模型的高效微調。這個項目對於自然語言處理（NLP）領域具有重要意義，因為它能夠大大提高模型的性能和效率。另外，LlamaFactory 還支持多種模型，包括 GPT、LLaMA 和 Transformers 等

Python★ 73.4k⑂ 9kai-ml

☆

showdownjs/showdown

showdown：Markdown 轉換器 — showdown 是一個強大的 Markdown 轉換器，能夠將 Markdown 文件轉換為 HTML，並且也能夠將 HTML 文件轉換回 Markdown。這個轉換器支援多種 Markdown 風格，包括 GFM。showdown 的雙向轉換功能使其成為一個非常有用的工具，特別是在需要在不同格式之間轉換文件的場合。

JavaScript★ 14.9k⑂ 1.6kweb

☆

assafelovic/gpt-researcher

gpt-researcher：深度研究代理 — gpt-researcher是一個使用Python開發的自主代理，利用任何LLM提供者對數據進行深度研究。它可以自動化研究流程，節省時間和精力。這個項目對於需要進行大量研究的領域具有重要意義，例如學術研究、市場分析等

Python★ 28.5k⑂ 3.8kai-ml

☆

neurosnap/zmx

zmx：終端會話附加/分離工具 — zmx 提供了一種方便的方式來附加和分離終端會話，尤其是在使用 tmux 的情況下。這個工具可以幫助用戶更好地管理會話，提高工作效率。zmx 的實現基於 Zig 語言，提供了高性能和可靠性

Zig★ 1.9k⑂ 119tools

☆

datawhalechina/happy-llm

happy-llm：大模型构建项目 — happy-llm项目旨在从零开始构建大模型，使用Jupyter Notebook语言开发，涵盖了agent、llm和rag等主题。该项目为构建大模型提供了一个基础框架，能够帮助开发者更好地理解和实现大模型的构建。同时，该项目也是一个开源项目，欢迎开发者参与贡献和学习

Jupyter Notebook★ 32.2k⑂ 3.1kai-ml

☆