"qemu"

kholia/OSX-KVM

OSX-KVM：在 QEMU/KVM 上運行 macOS — OSX-KVM 可以讓用戶在不需要 Mac 系統的情況下運行 macOS，支援多個版本，包括 Monterey、Ventura 和 Sonoma。這個項目使用 QEMU/KVM 虛擬化技術，結合 OpenCore 核心，實現 macOS 的運行。這對於開發者和用戶來說是一個非常有用的工具，因為它可以讓他們在虛擬環境中測試和運行 macOS 應用程式

Shell★ 23.4k⑂ 2kother

☆

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

☆

quickemu-project/quickemu

quickemu：快速創建和運行優化的虛擬機器 — quickemu通過優化虛擬機器的設定，讓用戶可以快速創建和運行虛擬機器，支持多種作業系統，包括Windows、macOS和Linux。這個項目使用qemu、kvm和virtio等技術，提供高效和穩定的虛擬機器運行環境。同時，quickemu也支持多種功能，例如EFI、TPM和VirGL，讓用戶可以根據需要定制虛擬機器

Shell★ 15.3k⑂ 682other

☆

microsoft/qlib

qlib：AI導向的量化投資平台 — qlib是一個AI導向的量化投資平台，旨在使用AI技術來實現量化研究，從探索想法到實現生產。qlib支持多種機器學習模型，包括監督學習、市場動態模型和強化學習等，並且整合了RD-Agent來自動化研發流程。這個平台可以幫助用戶快速實現量化投資策略，提高投資效率和收益

Python★ 46.4k⑂ 7.4kai-ml

☆

openinterpreter/openinterpreter

openinterpreter：輕量級編碼代理 — openinterpreter是一個使用Rust編寫的輕量級編碼代理，能夠與多個開放模型進行交互，提供了一種簡單高效的編碼方式。它支持Deepseek、Kimi和Qwen等模型，讓開發者能夠輕鬆地將這些模型整合到自己的應用中。這使得openinterpreter成為開發者的一個有力工具，能夠提高開發效率和模型的利用率

Rust★ 66.5k⑂ 5.7kai-ml

+431 ★☆

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

☆

agentscope-ai/QwenPaw

QwenPaw：個人AI助手 — QwenPaw是一個基於Python的個人AI助手，允許用戶在自己的機器或雲端上部署，支援多個聊天應用程式。它的設計使其容易擴充新的功能和能力，讓用戶能夠自定義自己的AI助手。這使得QwenPaw成為一個強大且靈活的AI解決方案

Python★ 23.5k⑂ 2.8kai-ml

☆

UFund-Me/Qbot

Qbot：AI 自动量化交易机器人 — Qbot 是一个使用 AI 和机器学习技术的量化交易平台，提供本地部署和在线文档支持。它支持多种交易策略和资产，包括比特币和其他数字货币。Qbot 的目的是为用户提供一个高效和智能的交易工具，帮助他们在金融市场中取得成功

Jupyter Notebook★ 18.1k⑂ 2.5kai-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

☆

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

☆

mamoe/mirai

mirai：QQ 机器人支持库 — mirai 是一个高效率的 QQ 机器人支持库，使用 Kotlin 编写。它提供了一个简单易用的 API，允许开发者快速创建自己的 QQ 机器人。mirai 的目的是为了让开发者更容易地创建和管理自己的 QQ 机器人，从而提高开发效率和用户体验

Kotlin★ 14.8k⑂ 2.5kai-ml

☆

kubesphere/kubesphere

kubesphere：雲原生容器平台 — kubesphere是一個強大的容器平台，支持多雲、數據中心和邊緣管理，提供了豐富的功能和工具，包括多集群管理、多租戶支持、可觀測性和服務網格等，能夠幫助用戶更好地管理和維護其Kubernetes集群。它的出現對於雲原生應用和DevOps實踐具有重要意義。通過kubesphere，用戶可以更輕鬆地部署和管理其應用，提高效率和可靠性。

Go★ 17k⑂ 2.7kdevops

☆

cube-js/cube

cube：開源語義層核心 — cube是一個開源的語義層核心，提供語義層的功能，適用於AI、BI和嵌入式分析。它支持多種資料庫和分析工具，如BigQuery、Databricks、MySQL、PostgreSQL和Snowflake。cube的開源性使其可以被廣泛使用和擴展，適用於各種分析和AI應用

Rust★ 20.3k⑂ 2.1kai-ml

☆

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★ 35.9k⑂ 2.3kai-ml

☆

qbittorrent/qBittorrent

qBittorrent：BitTorrent 客戶端 — qBittorrent 是一個使用 C++ 編寫的跨平台 BitTorrent 客戶端，提供了豐富的功能和設定選項。它支持多種作業系統，包括 Windows、macOS 和 Linux。qBittorrent 的目標是提供一個高性能、可靠和易於使用的 BitTorrent 客戶端

C++★ 38.9k⑂ 4.8kother

☆

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

☆

didi/KnowStreaming

KnowStreaming：雲原生實時流數據平台 — KnowStreaming是一個雲原生實時流數據平台，通過0侵入、插件化構建企業級Kafka服務，極大降低操作、存儲和管理實時流數據門檻。該平台提供了多集群管理、Kafka管理和監控等功能，幫助用戶更好地管理和利用實時流數據。KnowStreaming的出現使得企業可以更輕鬆地處理和分析實時流數據，從而獲得更多的商業價值

Java★ 7.2k⑂ 1.3kother

☆

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#★ 13.1k⑂ 1.1kother

☆

NapNeko/NapCatQQ

NapCatQQ：基於NTQQ的現代協議框架 — NapCatQQ是一個基於NTQQ的現代協議框架，使用TypeScript語言開發，提供了一種高效且靈活的方式來處理協議相關的任務。它支持OneBot和OneBot11等多種協議，讓開發者可以輕鬆地創建自己的聊天機器人。NapCatQQ的出現為開發者提供了一種新的選擇，讓他們可以更容易地處理複雜的協議邏輯

TypeScript★ 9.9k⑂ 778backend

☆

QuivrHQ/quivr

quivr：整合 GenAI 的 RAG 解決方案 — quivr 提供了一個簡單易用的方式來整合 GenAI，讓您可以專注於產品的開發，而不需要花費太多時間在 RAG 的實現上。quivr 支持多種 LLM 和 Vectorstore，包括 GPT4、Groq、Llama、PGVector 和 Faiss，讓您可以根據自己的需求進行自訂。透過 quivr，您可以輕鬆地在自己的應用程式中加入聊天機器人、自然語言處理和其他 AI 功能

Python★ 39.2k⑂ 3.7kai-ml

☆

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⑂ 869devops

☆

jnMetaCode/agency-agents-zh

agency-agents-zh：即插即用的 AI 专家角色集合 — agency-agents-zh 是一个提供即插即用的 AI 专家角色集合，支持 Hermes Agent、Claude Code、Cursor、Copilot 等 18 种工具，覆盖工程、设计、营销、金融等 20 个部门。它包含 50 个中国市场原创智能体，搭配 agency-orchestrator 编排器，可以让多位专家按 DAG 自动协作。这种自动化可以提高工作效率和生产力。

Shell★ 17.8k⑂ 3kai-ml

☆

qdrant/qdrant

qdrant：高性能向量數據庫和向量搜索引擎 — qdrant是一個高性能、可擴展的向量數據庫和向量搜索引擎，使用Rust語言開發，提供了高效的向量搜索和儲存功能。它適用於下一代人工智慧應用，包括圖片搜索、推薦系統和自然語言處理等領域。qdrant的雲端版本也可在https://cloud.qdrant.io/獲得

Rust★ 33.4k⑂ 2.5kai-ml

☆

1Panel-dev/MaxKB

MaxKB：開源企業級智能體平台 — MaxKB是一個開源平台，用于建造企業級智能體，提供強大易用的功能。它支持多種AI模型，包括LangChain、Llama3和LLM，同時整合了KnowledgeBase和PGVector等庫。MaxKB的目的是提供一個高效、可擴展的智能體解決方案，滿足企業級應用的需求

Python★ 22.1k⑂ 3kai-ml

☆

qmk/qmk_firmware

qmk_firmware：開源鍵盤韌體 — qmk_firmware 是一個開源的鍵盤韌體項目，旨在提供一個高度可定制和可擴展的鍵盤控制解決方案。它支援Atmel AVR和Arm USB系列，讓用戶可以輕鬆地自定義自己的鍵盤布局和功能。這個項目對於鍵盤愛好者和開發者來說非常重要，因為它提供了一個高度可定制和可擴展的平台

C★ 20.5k⑂ 44.1kother

☆

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

☆

cilium/cilium

cilium：基於 eBPF 的網路、安全和可觀測性解決方案 — cilium 利用 eBPF 技術提供了高性能的網路和安全功能，包括網路隔離、安全群組和負載平衡等。同時，cilium 也提供了強大的可觀測性功能，允許用戶實時監控和分析網路流量和系統性能。這使得 cilium 成為容器化應用程式的理想解決方案

Go★ 24.7k⑂ 3.9kdevops

☆

charmbracelet/bubbletea

bubbletea：強大的終端使用者介面框架 — bubbletea 是一個基於 Go 的終端使用者介面框架，提供了一個強大且易用的方式來建立命令列介面應用程式。它的設計理念來自 Elm 架構，採用功能性程式設計的方法，讓開發者可以輕鬆建立複雜的介面。這個框架對於想要建立複雜命令列介面應用程式的開發者來說非常重要

Go★ 43.8k⑂ 1.3kbackend

☆

xuxueli/xxl-job

xxl-job：分布式任务调度框架 — xxl-job是一個基於Java的分布式任务调度框架，提供了強大的任务管理和調度功能。它支持多種調度方式，包括CRON表达式和API調用。xxl-job的設計目的是為了簡化任务调度的過程，提高系統的可靠性和可擴展性

Java★ 30.4k⑂ 11.5kbackend

☆

winapps-org/winapps

winapps：在 Linux 中运行 Windows 应用程序 — winapps 项目是一个硬分支，源自 https://github.com/Fmstrat/winapps/，它使得 Windows 应用程序可以在 Linux 中运行，就像它们是原生操作系统的一部分一样。通过 winapps，用户可以在 Linux 环境中使用诸如 Microsoft Office 和 Adobe 等流行软件，并且可以与 GNOME 和 KDE 等桌面环境进行无缝集成。这种集成可以提高用户的工作效率和体验。

Shell★ 15.6k⑂ 495devops

☆