"llama-index"

📦 開源專案

run-llama/llama_index

llama_index：領先的文檔代理和OCR平台 — llama_index是一個強大的文檔代理和OCR平台，能夠有效地處理和搜索大型文檔數據。它提供了多種功能，包括文檔分析、搜索和篩選，幫助用戶快速找到所需的信息。同時，llama_index也支持多種文檔格式和語言，適用於各種應用場景

Python★ 50.8k⑂ 7.7kai-ml

☆

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★ 73.1k⑂ 8.9kai-ml

☆

karpathy/llama2.c

llama2.c：純C語言的Llama 2推理 — llama2.c是一個開源項目，旨在提供一個高效且易於使用的Llama 2推理解決方案。該項目使用純C語言實現，盡量減少依賴第三方庫，從而提高可移植性和性能。通過llama2.c，開發者可以輕鬆地將Llama 2推理功能集成到自己的應用程序中

C★ 19.7k⑂ 2.6kother

☆

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++★ 25.3k⑂ 1.6kai-ml

☆

huggingface/agents-course

agents-course：Hugging Face 代理人課程 — agents-course 提供了全面性的代理人 AI 教學，包括 agentic-ai、agents、langchain、llamaindex 和 smolagents 等主題，幫助開發者了解代理人 AI 的基礎和應用。透過此課程，開發者可以學習到代理人 AI 的核心概念和實踐技巧，從而開發出更智能和更高效的 AI 應用。agents-course 的內容豐富，涵蓋了理論和實踐，非常適合想要深入了解代理人 AI 的開發者

MDX★ 29.9k⑂ 2.1kai-ml

☆

chroma-core/chroma

chroma：人工智慧搜索基礎設施 — chroma 是一個開源的搜索基礎設施，使用 Rust 語言開發，提供高效的搜索和資料管理功能。它可以用於各種人工智慧應用，例如 AI代理和資料庫管理。chroma 的目的是提供一個可擴展和高效的搜索解決方案，滿足人工智慧應用的需求

Rust★ 28.8k⑂ 2.4kai-ml

☆

meta-llama/llama3

llama3：官方 GitHub 網站 — llama3 是一個基於 Python 的專案，提供了強大的功能和工具。該專案由 Meta 官方維護，為開發者提供了一個可靠的平台。llama3 的出現對開發者和用戶都具有重要意義，因為它提供了高效和便捷的解決方案

Python★ 29.3k⑂ 3.5kother

☆

haotian-liu/LLaVA

LLaVA：視覺指令調整模型 — LLaVA是一個基於視覺指令調整的模型，旨在達到GPT-4V級別的能力，並超越它。它利用視覺和語言的多模態學習，實現了更強大的視覺語言學習能力。這個模型的開發對於聊天機器人和多模態學習領域具有重要意義

Python★ 24.9k⑂ 2.8kai-ml

☆

chatchat-space/Langchain-Chatchat

Langchain-Chatchat：基於 Langchain 與多種語言模型的 RAG 與 Agent 應用 — Langchain-Chatchat 是一個基於 Langchain 的應用，結合了多種語言模型，如 ChatGLM、Qwen 和 Llama，實現了 RAG 和 Agent 的功能。它可以用於聊天機器人、知識圖譜等領域，具有很高的實用價值。通過 Langchain-Chatchat，開發者可以快速打造自己的聊天機器人和知識圖譜系統

Python★ 38.3k⑂ 6.2kai-ml

☆

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★ 85.9k⑂ 19.2kai-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★ 175.8k⑂ 16.9kai-ml

☆

open-webui/open-webui

open-webui：人性化 AI 界面 — open-webui 是一个開源項目，提供了一個簡單易用的 AI 界面，讓用戶可以輕鬆地與 AI 模型交互。它支持多種 AI 平台，包括 Ollama 和 OpenAI API 等，讓用戶可以根據自己的需求選擇合適的 AI 服務。open-webui 的出現使得 AI 技術更容易被大眾接受和使用

Python★ 144.9k⑂ 21kai-ml

☆

olimorris/codecompanion.nvim

codecompanion.nvim：AI編程輔助工具 — codecompanion.nvim是一個基於Lua的Neovim插件，利用AI技術提供智能編程輔助，包括代碼補全、代碼檢查等功能，能夠大大提升開發者的工作效率。這個插件支持多種AI模型，包括Copilot、Claude Code等。通過使用codecompanion.nvim，開發者可以更快速、更準確地完成編程任務

Lua★ 6.7k⑂ 433ai-ml

☆

langfuse/langfuse

langfuse：開源AI工程平台 — langfuse是一個開源的AI工程平台，提供了一系列的工具和功能，包括LLM評估、可觀測性、度量、提示管理、遊樂場和數據集等，同時整合了多個熱門庫，如OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等。這個平台可以幫助開發者更好地管理和優化他們的AI應用。同時，langfuse也支持自托管和多種開源庫的整合，提供了高可定制性和擴展性

TypeScript★ 30.9k⑂ 3.2kdevops

☆

khoj-ai/khoj

khoj：您的 AI 第二大腦 — khoj 是一個自托管的 AI 平台，能夠將任何在線或本地 LLM 轉換為您的個人、自主 AI。它支持多種 LLM 模型，包括 gpt、claude、gemini、llama、qwen 和 mistral。使用 khoj，您可以建構自訂代理，排程自動化，進行深入研究，從而提高您的生產力。

Python★ 35.6k⑂ 2.3kai-ml

☆

sinaptik-ai/pandas-ai

pandas-ai：使用LLMs和RAG进行数据分析 — pandas-ai通過LLMs和RAG技術，使得數據分析變得更加簡單和對話式。用戶可以通過聊天的方式與數據庫或數據湖進行交互，從而更容易地獲取所需的數據和信息。這項技術的應用有助於提高數據分析的效率和便捷性。

Python★ 23.6k⑂ 2.3kdata

☆

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★ 37k⑂ 6.2kai-ml

☆

Mintplex-Labs/anything-llm

anything-llm：本地化人工智慧體驗 — anything-llm是一個基於JavaScript的開源項目，旨在提供一個強大且可自行部署的本地化人工智慧體驗。它結合了多種技術，包括LLM、多模態和向量數據庫，讓用戶可以擁有自己的智慧體驗。這個項目的目的是讓用戶能夠自行控制自己的智慧體驗，而不需要依賴於第三方服務

JavaScript★ 63k⑂ 6.9kai-ml

☆

pathwaycom/llm-app

llm-app：雲端模板和企業搜索解決方案 — llm-app 是一個雲端模板和企業搜索解決方案，提供即可運行的環境，適用於 RAG、AI 管線和企業搜索，同時支援多種資料來源，能夠實現與實時資料 API 的同步。這個解決方案使用 Jupyter Notebook 作為主要開發語言，同時整合了多種機器學習相關技術，包括 Hugging Face、Open AI 等。llm-app 的設計宗旨是提供一個高效、安全、可擴展的解決方案，適用於各種企業級別的應用場景。

Jupyter Notebook★ 59.1k⑂ 1.4kai-ml

☆

andrewyng/context-hub

context-hub：內容集線器 — context-hub 是一個開源的 JavaScript 專案，旨在提供內容管理和集線功能，讓開發者能夠更容易地管理和整合不同的內容來源。這個專案使用 JavaScript 開發，提供了一個靈活和可擴展的解決方案，讓開發者能夠根據自己的需求進行自訂。同時，context-hub 也提供了一個強大的 API，讓開發者能夠更容易地與其他應用程式和服務進行整合

JavaScript★ 13.8k⑂ 1.2kweb

☆

Hmbown/CodeWhale

CodeWhale：開源代理工具 — CodeWhale是一個開源的代理工具Harness，使用Rust語言開發，提供了一個強大的命令列介面（CLI）和終端使用者介面（TUI），可以幫助用戶更容易地使用LLM和DeepSeek等功能。這個項目的目的是提供一個高度可定制和可擴充的代理工具，讓用戶可以根據自己的需求進行配置和擴充。同時，CodeWhale也是一個社群驅動的項目，歡迎用戶參與開發和貢獻

Rust★ 39.7k⑂ 3.4ktools

☆

aristocratos/btop

btop：系統資源監控工具 — btop是一個系統資源監控工具，提供CPU、記憶體、磁碟和網路等資源使用情況的即時統計。它可以幫助用戶了解系統的性能和瓶頸，從而優化系統的配置和使用。通過btop，用戶可以快速地識別系統中的問題和優化機會

C++★ 33.4k⑂ 1.1kother

☆

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

Python★ 39.7k⑂ 3.6kai-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

☆

prisma/prisma

prisma：下一代ORM解決方案 — prisma提供了一個強大且易用的API，讓開發人員可以輕鬆地與資料庫進行交互，支援多種資料庫系統，包括關聯式和NoSQL資料庫。prisma的目標是簡化資料庫操作，提高開發效率和資料安全性。通過使用prisma，開發人員可以專注於業務邏輯的實現，而不需要關注資料庫的複雜細節

TypeScript★ 47.1k⑂ 2.5kbackend

+376 ★☆

SillyTavern/SillyTavern

SillyTavern：人工智慧聊天前端 — SillyTavern 是一個為 Power Users 設計的 LLM 前端，使用 JavaScript 開發，提供了一個強大的 AI 聊天介面。它讓用戶可以更方便地與 AI 模型進行交互，提高了工作效率。SillyTavern 的出現對於 AI 研究和開發具有重要意義

JavaScript★ 29.9k⑂ 5.7kai-ml

☆

NousResearch/hermes-agent

hermes-agent：智能代理 — hermes-agent是一種基於Python的智能代理，旨在提供更好的用戶體驗。它可以與用戶互動，學習用戶的需求，提供個性化的服務。hermes-agent的開發目的是為了創建一個更加智能、更加人性化的代理

Python★ 212.5k⑂ 39.2kai-ml

☆

google/langextract

langextract：結構化文本提取库 — langextract 是一个 Python 库，利用大型语言模型（LLMs）从非結構化文本中提取結構化信息。它具有精确的源基准和交互式可视化功能，能夠高效地从复杂文本中提取有用信息。该库在自然语言处理（NLP）领域具有重要意义，能够广泛应用于信息提取、数据分析等领域。

Python★ 37.1k⑂ 2.6kai-ml

☆

folke/tokyonight.nvim

tokyonight.nvim：清爽的 Neovim 主題 — tokyonight.nvim 是一款基於 Lua 的 Neovim 主題，提供了清爽的黑色視覺效果，支援多種插件和工具，如 lsp 和 treesitter。這款主題同時包含了其他終端模擬器如 Kitty、Alacritty、iTerm 和 Fish 的主題，讓使用者可以統一視覺效果。這款主題的設計簡潔易用，讓使用者可以更好地專注於編碼和工作

Lua★ 8.1k⑂ 546other

☆

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★ 68k⑂ 6.1kai-ml

☆

vanna-ai/vanna

vanna：與 SQL 資料庫對話的 AI 工具 — vanna 是一個基於 Python 的工具，利用 LLMs 和 Agentic Retrieval 技術來實現文字到 SQL 的轉換。這個工具可以讓使用者更容易地與資料庫進行互動，提高資料分析的效率。vanna 的出現可以幫助開發者和資料分析師更快速地取得所需的資料。

Python★ 23.8k⑂ 2.4kai-ml

☆

LMCache/LMCache

LMCache：快速KV緩存層 — LMCache通過提供快速的KV緩存層來提升大型語言模型（LLM）的性能，從而實現更快的推理速度和更低的延遲。這使得LMCache成為LLM應用的必備工具。同時，LMCache支援多種硬件平台，包括AMD、CUDA、ROCM等，確保了其廣泛的適用性。

Python★ 10k⑂ 1.4kai-ml

☆

cockroachdb/pebble

pebble：基於RocksDB/LevelDB的Go語言鍵值數據庫 — pebble是一個基於RocksDB/LevelDB的鍵值數據庫，使用Go語言實現，提供高效的數據存儲和查詢功能。它的設計目標是提供一個簡單、可靠和高性能的數據庫解決方案。pebble的出現為Go語言開發者提供了一個新的選擇，滿足其對於高效數據存儲的需求

Go★ 6k⑂ 569backend

☆

mongodb/mongo

mongo：MongoDB 數據庫 — mongo 是一個開源的 NoSQL 數據庫，使用 C++ 語言開發，提供高性能和可擴展的數據存儲和查詢功能。它支持多種數據模型，包括文檔、鍵值和圖數據模型，適合於大規模的數據存儲和分析應用。mongo 的高性能和可擴展性使其成為許多企業和開發者的首選數據庫解決方案

C++★ 28.4k⑂ 5.8kbackend

☆

ml-explore/mlx

mlx：蘋果矽晶陣列框架 — mlx是一個基於C++的陣列框架，專為Apple矽晶設計，提供高效的數據處理能力。該框架允許開發人員輕鬆地在Apple裝置上實現高性能的數據處理任務。mlx的出現對於蘋果生態系統中的機器學習和數據分析應用具有重要意義

C++★ 27.5k⑂ 2kbackend

☆

langchain-ai/langchain

langchain：語言鏈代理工程平台 — langchain是一個開源的代理工程平台，提供了一個框架用於構建和管理AI代理。它支持多種AI模型和框架，包括OpenAI、Anthropic和LLM，讓開發者可以輕鬆地創建和管理AI代理。langchain的目的是為開發者提供一個統一的平台，讓他們可以專注於構建AI代理，而不需要關心底層的複雜技術細節

Python★ 141.4k⑂ 23.5kai-ml

☆

smoltcp-rs/smoltcp

smoltcp：輕量級TCP/IP堆疊 — smoltcp是一個用Rust編寫的TCP/IP堆疊，設計用於資源受限的嵌入式系統。它提供了一個高效且可靠的網絡通訊解決方案，適用於各種應用場景。smoltcp的輕量級設計使其成為嵌入式系統的理想選擇

Rust★ 4.5k⑂ 539other

☆

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

Python★ 60.5k⑂ 7kai-ml

☆

vadimdemedes/ink

ink：交互式命令行應用程式的 React — ink 提供了一個簡單的方式來建立交互式的命令行應用程式，讓開發者可以使用 React 的方式來設計和實現命令行介面。這個庫可以幫助開發者建立更複雜和更具交互性的命令行工具。同時，ink 也支持 flexbox 和其他 advanced 的 CSS 屬性，讓開發者可以更容易地設計和實現複雜的命令行介面

TypeScript★ 39.2k⑂ 1kweb

☆