GitHub项目

kotaemon：开箱即用的 RAG 文档问答，支持本地模型

leaf2026年10月5日1 分钟阅读 13暂无评论

手上攒了一堆 PDF、论文和内部资料，想直接对话式提问，又懒得从零写切分、检索、重排那一整条链路？kotaemon 就是冲着这个场景做的：它把 RAG 的脏活累活收进一个能直接跑起来的问答界面，开发者和重度文档用户都能少折腾几轮。核心看点- 问答开箱可用：把文档丢进去就能提问，回答会标出引用来源，能翻回原文对应片段核对。 - 检索不只靠向量：支持全文与向量混合检索，并可挂重排模型，比单纯 embedding 检索的命中更稳一些。 - 模型随便换：云端 API 和本地推理服务（Ollama、vLLM 这类）都能接，还带多用户与信息抽取类的进阶流程。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁适合想快速验证「文档 + 大模型」产品形态的开发者，以及要求数据不出内网的小团队。跑起来一般需要 Python 环境和 Docker，接云端模型要自备 API Key；纯本地跑的话，显存和机器配置得自己掂量。许可证为 Apache-2.0，商用前建议对照仓库 LICENSE 再确认一遍。想判断它到底能撑到什么程度，翻 README 的安装步骤和界面截图最直观，Discussions 里也有别人踩过的坑。去 kotaemon 仓库看看

#GitHub #RAG

nanochat：把大模型预训练到对话塞进一套代码，值得通读一遍

leaf2026年10月4日1 分钟阅读 13暂无评论

想弄明白 ChatGPT 这类模型到底是怎么被炼出来的，却总被分布式框架和层层配置劝退？nanochat 把分词、预训练、监督微调、强化学习到推理界面收进同一个仓库，适合愿意读代码、想建立全链路认知的开发者。核心看点- 全流程串成一条线：从原始语料处理到能对话的模型，各阶段用脚本衔接，不用在多个项目之间来回跳。 - 代码量克制：核心逻辑集中，抽象层不厚，读完更容易形成完整心智模型，而不是卡在封装里。 - 自带对话入口：训练完可以直接起一个网页界面聊两句，快速验证效果，闭环很短。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示需要 NVIDIA GPU 与较新的 PyTorch / CUDA 环境，显存和训练时长取决于你选的模型规模，仓库按阶段拆分脚本，建议照 README 的顺序一步步跑。数据集与分词器需要额外下载，涉及权重和第三方数据的授权时，请以仓库 LICENSE 及数据源说明为准；项目采用 MIT 许可。想动手的话，先扫一遍 README 里的运行顺序，再去 Releases 和 Discussions 看别人踩过的坑，能省下不少排错时间。nanochat 仓库主页

Krita AI Diffusion：不用切窗口，在画布里直接生成和重绘

leaf2026年10月3日1 分钟阅读 13暂无评论

画图的人大概都有过这种体验：出图在 ComfyUI，修图在 PS，图层和参数倒来倒去，一张图没画完先在软件之间走了一圈。Krita AI Diffusion 想解决的就是这件事——它把生成、重绘、扩图全塞进 Krita 的画布，笔刷和「AI 笔刷」在同一个界面里切换。插画师、漫画作者，以及想给自己的绘图流程接上模型的开发者，都值得点开看看。核心看点- 画布内直接出结果：选区生成、局部重绘、外绘扩展、放大细化都在同一个窗口完成，配合实时绘制的模式，笔还没提起来就能看到反馈。 - 复用 ComfyUI 做后端：采样器、ControlNet、LoRA 都交给 ComfyUI 节点跑，不必再学一套新配置；本地机器或局域网里的另一台显卡机器都能挂上去。 - 对线稿和分镜友好：线稿上色、草图细化、风格迁移这些漫画流程里最费时间的环节，可以按自己的习惯做成固定工作流反复调用。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁适合有本地显卡、平时就用 Krita 画画的人：需要 Krita 5.2 以上的版本，外加一个能正常工作的 ComfyUI 后端，纯 CPU 跑体验会很差。也可以连远程或云端的 ComfyUI，代价是延迟看网络。插件本体走 GPL 系许可证，但模型权重和各类 LoRA 的授权各不相同，下载前请以各自的 LICENSE 为准。安装步骤、快捷键和最近几个版本的改动，README 和 Releases 里都写得比较细，想动手的话先翻一遍再装：Krita AI Diffusion 仓库

#AI绘画 #ComfyUI

supervision：给视觉模型输出补上追踪、计数与可视化

leaf2026年10月2日1 分钟阅读 18暂无评论

跑通检测模型只是开始，真正磨人的是后处理：给每个框分一个稳定 ID、统计过线人数、把结果画成能交付的视频，这些胶水代码写起来一点也不比调模型轻松。supervision 把这些活收进一套轻量工具里，做视频分析、CV 落地的开发者能少写几百行可视化代码。核心看点检测结果后处理一站打包：目标追踪、区域计数、越线统计、轨迹绘制都有现成接口，接上 YOLO、SAM 这类模型即可使用。Annotator 组合式可视化：边框、掩码、标签、热力图都是独立组件，可自由叠加，也能直接写出视频文件，省掉手写 OpenCV 绘图的重复劳动。▲ github.com（阿里云通义万相生成配图，非网页截图）数据集格式互转：COCO、YOLO、VOC 等标注格式之间的转换与校验不必自己写解析器，做数据清洗时很省事。上手提示pip 安装即可，依赖 NumPy、OpenCV 这类常规库，只做可视化与统计在 CPU 上也能跑；推理本身仍需自备模型权重（例如 Ultralytics 系列），GPU 只有跑模型时才用得上。项目采用 MIT 许可证，商用限制较少，具体条款以仓库 LICENSE 为准。README 里有一批短 GIF 演示和 recipes 示例，扫一眼就知道能不能接进你现有的流程：roboflow/supervision。

Kokoro：82M 的 TTS 小模型，CPU 上也能跑出自然语音

leaf2026年10月1日1 分钟阅读 21暂无评论

想在本地做语音合成，第一反应往往是找显卡、下大权重、等推理。Kokoro 走的是另一条路：把 TTS 模型压到很小的体量，普通笔记本的 CPU 就能出声。适合做播客配音、有声书原型、读屏播报，以及想给 Agent「配一张嘴」的开发者。核心看点- 体积与速度：模型只有 80M 级别的参数量，推理几乎不挑硬件，验证想法时不需要先排队等 GPU。 - 多语言与许可：仓库与权重采用 Apache-2.0，中英日等多语种都有现成权重可用，落地前建议以仓库 LICENSE 和模型卡说明为准。 - 上手成本低：pip 装包即可调用，Hugging Face 上有官方权重，社区还贡献了 ONNX 等运行时，方便塞进已有服务。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示典型用法是写几行 Python，把文本丢给 pipeline 直接落成 wav；批量处理长文本时，自己按标点切句并做缓存，效果和速度都会更稳。需要 Python 环境，GPU 不是必须的；合成中文要挑对应的语言权重，别拿英文模型硬套。它不依赖云端 API Key，离线也能跑，对私有化部署比较友好。具体依赖与版本以 README 为准。想先听效果、再看支持的语言列表，可以直接翻 Kokoro 的 README 与 Releases，Issues 里也有不少关于语速、音色和部署的实战讨论。

opencode：把 AI 编程代理装进终端，会话还能分享给同事

leaf2026年9月30日1 分钟阅读 17暂无评论

如果你大部分时间待在终端里，大概不想为了用 AI 改代码再切到浏览器。opencode 想做的是把这件事按回键盘前：在项目目录里起一个 TUI，让它读文件、改代码、跑命令，改了什么一眼能看清。常用 CLI 的开发者、想给团队统一一套 AI 编码流程的人，会比较有感。核心看点- 终端原生界面：不依赖 IDE 插件，改动以 diff 形式呈现，接受还是回退都在同一个窗口完成，上下文不用来回复制粘贴。 - 模型可自由替换：通过 provider 配置接入 Anthropic、OpenAI、Google 以及本地推理端点，不想被某一家绑住的话这点很实在。 - 会话可分享：每条会话能生成链接，复盘思路时把链接丢给同事，比截图和口头描述省事；客户端与服务端分离，也方便跑在远端机器上。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示需要 Node.js 环境，装好后配置好模型和 API Key 即可启动；如果走本地模型，把端点指向自己的推理服务也行。仓库采用 MIT 许可，代码本身宽松，但调用的第三方模型服务条款要单独看，以仓库 LICENSE 与各家说明为准。建议第一次在测试分支或临时目录里跑，确认行为符合预期再用于正式项目。想判断合不合手，最快是翻 README 里的安装命令和配置片段，再去 Releases 看最近的改动、Discussions 里看别人踩过的坑。到 GitHub 看 opencode

#Agent #AI编程

Open Notebook：自建 NotebookLM，资料变播客

leaf2026年9月29日1 分钟阅读 22暂无评论

NotebookLM 好用，代价是资料得放在别人服务器上。open-notebook 把类似体验搬回自己的机器：PDF、网页、音视频链接丢进去，边读边追问，还能生成两个人对谈的播客音频。做课题研究、课程整理、内容选题的人可以直接点开。核心看点多源收料：PDF、网页、Office 文档、视频链接都能进库，自动转写、切分、建索引，省掉手搓文本那一步。边问边溯源：可以限定在某个来源范围内对话，回答带引用，随时翻回原文核对，比纯聊天踏实。一键出播客：把选定资料转成两个 AI 主播的对谈音频，通勤路上听自己攒的料。▲ github.com（阿里云通义万相生成配图，非网页截图）自托管：Docker 拉起服务，数据留在自己的机器或服务器；模型既接云端接口，也能指向本地推理服务。上手提示需要 Docker 环境，启动后在设置里填入模型 API Key（或改用本地兼容接口）。首次索引大文件会慢一些，建议先拿一两个文档把流程跑通再批量导入。项目采用 MIT 许可证，接入的模型与嵌入服务条款请以各自官方说明为准。想先看看界面长什么样、播客效果如何，去 open-notebook 仓库翻一遍 README 和 Releases 就够了。

#GitHub #RAG

exo：把闲置的手机和旧电脑，拼成一个能跑大模型的集群

leaf2026年9月18日1 分钟阅读 40暂无评论

手里有旧笔记本、Mac mini，甚至一台吃灰的安卓机，可单机显存怎么也不够跑大模型——exo 想解决的就是这件事：把同一网络下的多台设备组成一个推理集群，让模型按层切到不同机器上跑。适合家里有闲置硬件、又想本地玩大模型的开发者和折腾党。核心看点- 自动发现组网：同局域网内的设备能互相识别，省掉手写 IP、端口和拓扑的麻烦。 - 异构混搭：Apple Silicon 与 Linux 设备可以放进同一个集群，按各自算力分担不同层。 - 开箱可用的交互：自带类 ChatGPT 的本地界面，后端对接 MLX、llama.cpp 等推理路径，常见开源模型基本能直接加载。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁典型场景是：家里有几台性能一般但联网方便的机器，想凑出更大可跑参数量，而不打算买一张大显存显卡。多机协作对局域网稳定性比较敏感，各设备需要装好 Python 环境和对应后端依赖；模型权重得自己下载，具体授权以仓库 LICENSE 和模型自身的许可条款为准。README 里列了设备支持情况和启动命令，想先看看自己手头的设备能不能凑一桌，直接翻 exo 仓库的说明文档更快。

playwright-mcp：让AI用无障碍树操控浏览器，少走截图弯路

leaf2026年9月17日1 分钟阅读 39暂无评论

想让 Agent 真的会点网页，最常翻车的地方就是截图猜坐标——页面一改版，整段自动化就废。playwright-mcp 换了个路子：把浏览器的无障碍树喂给模型，让它像读文档一样读页面。写后端脚本的、做 Agent 产品的、每天跟后台表单打交道的，都值得点进去看一眼。核心看点不靠像素靠结构：它把 Playwright 的无障碍快照暴露成 MCP 工具，模型看到的是一份带角色和元素引用的清单，点谁、填谁都按引用走，比纯视觉方案稳得多。工具链够日常：导航、点击、填表、上传文件、执行 JS、抓网络请求、截图都收在同一套 MCP 接口里，接上支持 MCP 的客户端就能用。背后是微软：Apache-2.0，更新基本跟着 Playwright 走，Issue 和 PR 都有人接。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示典型用法是让 AI 替你跑重复的网页动作：登录后台导数据、按模板批量填表、做端到端检查。需要 Node.js 环境，用 npx 起服务，然后在 VS Code、Claude Desktop 这类客户端里注册即可；要不要无头、用哪个浏览器频道，都有参数可调。这个服务本身不强制 API Key，真正调模型的是客户端那一侧。第一版建议先在测试站上跑通再引入项目。README 里写了各客户端的配置样例，Releases 也能快速看出最近改了哪块。想先跑通再决定要不要用，直接翻 playwright-mcp 仓库。

#Agent #GitHub