共 149 篇文章
追生肉、剪课程、做二创时，字幕和配音总是最磨人的一步：手动切时间轴，机翻腔又没温度。VideoLingo 把语音识别、翻译、打轴、配音串成一条自动化流水线，适合外语学习者、视频 UP 主和不想折腾复杂命令行的普通玩家。核心看点- 全流程一体：从视频提取语音到生成字幕、翻译、配音，一条命令跑完，不用在多个工具间反复横跳。 - 翻译有「人味」：不是简单逐句机翻，而是结合上下文润色，出来的字幕读着顺，配音听感也更自然。 - 部署伸缩自由：本地有简易操作界面，API Key 和本地模型都支持，从尝鲜到批量处理都能覆盖。▲ github.com（阿里云通义万相 生成配图，非网页截图）适合谁外语学习者、剪辑师、追剧党，以及想做海外面签视频的中长尾创作者。需要准备对应模型的 API Key（如 OpenAI 或 Anthropic），也可改用本地推理；具体依赖和许可证以仓库 README 为准。想看看实际效果和配置步骤，直接去 VideoLingo 的 README 对照着跑，比自己猜快得多。
如果你既想体验本地大模型推理，又不想被Python生态和GPU依赖绑住手脚，llama.go 是一个值得关注的选项。它用纯 Go 语言重写了 LLaMA 推理核心，无需 CUDA、PyTorch 或任何 Python 运行时，就能在 CPU 上加载并运行量化后的 LLaMA 系列模型，非常适合 Go 技术栈的开发者快速集成或二次开发。核心看点- 纯 Go 实现，零外部依赖：整个推理引擎仅依赖 Go 标准库和少量 C 代码（用于 mmap），编译后单二进制即可运行，部署极其轻量。 - 支持主流量化格式：可直接加载 GGUF 格式的量化模型（如 q4_0、q8_0），与 llama.cpp 生态兼容，无需额外转换工具。 - 交互式与 API 双模式：既提供命令行对话界面，也内置了兼容 OpenAI API 的 HTTP 服务端，方便接入已有应用。▲ github.com 仓库页截图（仅供参考，以 GitHub 为准）适合谁- Go 语言开发者：想在项目中嵌入本地推理能力，无需引入 Python 子进程或复杂环境。 - 边缘设备与资源受限场景：没有 GPU，但需要离线运行中小型模型（如 7B 参数量级）的推理任务。 - 学习推理原理的研究者：Go 代码结构清晰，适合阅读 LLaMA 推理的前向传播和 KV Cache 实现细节。如果你手头刚好有一台 CPU 机器，或者想探索 Go 在 AI 推理侧的潜力，不妨到 llama.go 仓库主页 下载 release 二进制试试看。项目采用 MIT 许可证，社区活跃度尚可，Issues 里也有不少实用的配置讨论。
如果你厌倦了把文档喂给ChatGPT后每次都要重复上传，或者担心数据隐私泄露，那Quivr值得你花两分钟看看。它是一个开源的“第二个大脑”，让你用本地或云端LLM构建私有RAG知识库，直接上传PDF、Markdown、代码文件甚至网页链接，就能像聊天一样检索内部信息。无论是个人笔记管理还是团队内部文档问答，都能用上。核心看点- 即插即用的RAG体验：内置文档解析、向量化存储与检索，支持Ollama、OpenAI等多种模型后端；无需手动写Embedding或向量库配置。 - 多模态输入与权限控制：不止文本，还可以拖入图片、音频（需模型支持），并提供简单的用户/群组权限，适合小团队协作。 - 数据完全自主可控：支持本地部署，用PostgreSQL + Supabase存储向量，无需把数据送进第三方SaaS，满足隐私偏好。▲ github.com（阿里云通义万相 生成配图，非网页截图）适合谁知识工作者、研究人员、小团队，或任何想将散落文档按语义组织起来的人。依赖Docker、Node.js，可自托管；若使用本地Ollama无需API Key，若用OpenAI则需自己的Key。MIT许可证，放心商用。上手不难：克隆后执行docker compose up，浏览器打开后台，上传文档即开始问答。更详细的使用技巧可以看看仓库的README和官方文档，社区也在Discord里活跃答疑。快去Quivr仓库里点个Star，给你的知识库加个AI引擎吧。
你是不是也烦透了“AI 只会聊天，但不会干活”？OpenHands 把大模型接进沙箱环境，让 Agent 真正读仓库、写代码、跑命令，而不是只给建议。最适合想用 AI 处理真实 GitHub issue 的开发者。核心看点- 端到端处理 issue：丢给它一个 bug 描述，它会自动分析代码结构、修改文件并执行测试，把活干完。 - 能操作终端和浏览器：不只是改代码，还能运行调试命令、打开网页复现问题，覆盖完整开发闭环。 - 模型自由切换：可以接 OpenAI、Anthropic，也能连本地 Ollama，MIT 许可证让二次开发没负担。▲ github.com（阿里云通义万相 生成配图，非网页截图）上手提示个人开发者可以把它当作结对编程伙伴；研究者也能用它做 Agent 行为实验。需要 Python 3.11 及以上，推荐 16GB 内存；只想体验的话有在线 demo，跑复杂任务再考虑接入 API Key。想看看它怎么把一个“一句话需求”变成可运行的 PR？直接去 README 翻 demo 视频和架构图，有问题去 Issues 里聊：OpenHands
如果你正在寻找一款在代码生成、推理和修复上能媲美甚至超越 GPT-4 的开源模型，DeepSeek-Coder-V2 值得立刻点开。它基于 MoE 架构，在 HumanEval、LiveCodeBench 等基准上表现亮眼，且支持 128K 上下文，非常适合处理复杂代码库或长程推理任务。无论是个人开发者还是团队，都能用它加速编码或搭建本地代码助手。核心看点- MoE 架构与超长上下文：采用混合专家模型，在保持高效推理的同时，支持 128K 上下文窗口，可一次性处理大型代码文件或跨文件依赖分析。 - 多语言与多任务覆盖：在 Python、Java、C++、JavaScript 等主流语言上表现优异，同时具备 代码生成、补全、修复和解释 能力，甚至能处理数学推理和通用问答。 - 开源权重与商业友好许可：模型权重以 Apache-2.0 许可证 发布，可自由用于商业项目，社区已有基于它构建的插件和工具链。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示推荐在 8GB 以上显存 的 GPU 上运行量化版本（如 4-bit），或直接通过 Hugging Face 的 Transformers 库加载。无需额外 API Key，下载权重即可本地部署。如果你更关注推理速度，可以配合 vLLM 或 llama.cpp 使用。想体验最新代码模型的能力边界？前往仓库查看模型卡、示例代码和社区贡献的部署方案，或许能直接解决你手头的编码难题。立即探索 DeepSeek-Coder-V2。
受够了手动拼凑ComfyUI节点或折腾WebUI的参数？InvokeAI 把Stable Diffusion的生成过程变成了直觉化的画布操作——构思、修改、重绘一气呵成。无论你是想快速出图的设计师，还是折腾底层的AI玩家，这个仓库都能让你少写很多脚本。核心看点- 统一画布界面：支持图像到图像、修复、扩展、ControlNet 一次性拖入，无需切换标签页，所有操作像 Photoshop 图层一样直观。 - 模型与 LoRA 热加载：不用重启服务就能切换基础模型、更改 LoRA 权重，支持快速对比不同风格版本的效果。 - 内嵌 ControlNet 与 IP‑Adapter：无需额外安装插件即可使用姿态、深度、边缘等控制条件，搭配统一的高分辨率放大管道。▲ github.com（阿里云通义万相 生成配图，非网页截图）适合谁特别适合追求“即开即用”的创作者，或希望用统一工作流管理多个模型的玩家。依赖最低一张 6GB 显存的 NVIDIA 显卡，支持 macOS (MPS) 和 CPU 模式加速，安装后通过浏览器直接操控。项目使用 MIT 许可，全部功能开源无暗桩。想体验画布式生图，直接去仓库 Release 页下载整合包或跟着 README 的 pip install 走一遍，动手最快。 点击进入 InvokeAI 仓库
如果你正在找一个能用拖拽代替手写链路的LLM应用构建工具，Flowise值得一试。它把复杂的RAG管道、Agent编排、模型切换都做成了可视化节点，适合想快速验证想法又不想死磕LangChain代码的开发者。核心看点- 可视化编排：用流程图式界面组装LLM调用、向量检索、工具调用等模块，改Prompt或换模型直接在画布上拖拽完成，非常适合原型迭代。 - 内置RAG与Agent能力：支持多种向量数据库（Chroma、Pinecone等）和文档加载器，配合记忆组件、工具调用节点，几分钟就能搭出带上下文管理的问答助手。 - 一键部署与API暴露：项目基于MIT许可，提供Docker镜像和Node.js脚本，构建完成的应用能直接生成REST API，方便集成到现有系统。▲ github.com（阿里云通义万相 生成配图，非网页截图）适合谁- AI应用开发者：需要快速搭建Demo或内部工具，不想从头手写Prompt Chain。 - 产品经理/研究员：想低成本验证RAG或Agent流程，画布操作直观，无需深入前端。 - 爱好者：有基本的Python/Node环境，配个OpenAI或本地Ollama密钥就能启动，入门门槛低。如果你对可视化构建LLM应用感兴趣，去 Flowise GitHub 仓库 看看README中的快速开始和范例模板，很快就能跑起第一个聊天机器人。
搞Agent应用时，最头疼的就是多步推理、工具调用、人机交互这些状态管理。LangGraph把LangChain的链式调用升级成了有向图，每个节点是一个步骤，边决定流转逻辑，状态显式维护，写复杂Agent就像画流程图一样清晰。如果你是LangChain用户但对Agent编排感到力不从心，这个仓库值得你花五分钟看看。核心看点- 图结构代替链式调用：允许循环、分支、并行，天然支持多轮对话、工具重试、条件跳转等非线性的Agent行为，不再需要手写状态机。 - 内置记忆与持久化：节点可以读写共享状态，支持检查点（checkpoint）机制，重启后能恢复对话或流程，适合长时间运行的任务。 - 与LangChain生态无缝衔接：你的LCEL链、Tool、Runnable都可以直接当节点用，迁移成本极低；同时提供人类介入反馈（human-in-the-loop）的原生接口。▲ github.com（阿里云通义万相 生成配图，非网页截图）上手提示推荐Python 3.10以上，配合LangChain 0.1+使用。不需要GPU，纯CPU也能跑流程编排。如果你熟悉LangChain的Runnable协议，半小时就能把一条简单的链改成图。项目采用MIT许可证，文档和示例都写在仓库的docs目录和examples文件夹里，上手直接看quickstart.ipynb就行。选一个你手头需要多步推理或工具调用的场景，试试把@chain装饰器换成GraphBuilder，体验一下状态图带来的清晰感。更多细节和高级模式（比如并行节点、子图）可以直接去LangGraph的README挖宝。
想要 Perplexity 那样的智能搜索体验，却不想把每次查询都交给第三方服务？Perplexica 是一个能完整跑在自己服务器上的 AI 搜索引擎，从索引到生成答案都由你掌控，特别适合对数据隐私敏感的开发者或研究者。核心看点- 本地推理优先：可接入 Ollama 或 llama.cpp 等本地模型，也支持 OpenAI、Claude 这类远端 API，切换不锁死。 - 多搜索模式：内置日常对话、学术检索、视频查找等多种模式，返回结果时附带引用来源，比单纯调用大模型更贴近真实搜索场景。 - 部署友好：提供 Docker 镜像，一条命令就能启动；界面风格接近主流 AI 搜索产品，上手成本低。▲ github.com（阿里云通义万相 生成配图，非网页截图）适合谁想给团队做一个私有化知识入口的工程师，或者不想让查询记录离开本机的个人用户。如果你已有一台能跑 7B 级别模型的机器，配合 Ollama 即可全本地运行；想快速尝鲜，也只需配置一个 OpenAI API Key 就能体验完整功能。项目基于 MIT 许可证，可放心二次改造。想对比不同模型在搜索场景下的表现，建议直接去 Perplexica 仓库 看 README 里的部署指引，顺便翻翻 Issues 里大家分享的配置经验。
想用自然语言描述一个想法，然后看到AI智能体自己拆解需求、写代码、修Bug？ChatDev 就是干这个的。它把软件开发流程变成一场多智能体协作——CEO、程序员、设计师各司其职，连续对话后直接产出项目代码，特别适合想折腾 AI 编程、又不想手动拼 Prompt 的开发者。核心看点- 多智能体协作机制：每个角色拥有独立的上下文和任务边界，像真实团队一样分工，需求从拆解到实现一气呵成，比单次 LLM 调用可控得多。 - 端到端生成：从输入一句需求开始，自动生成代码文件、依赖说明甚至运行指引，你拿到的是一个可以直接打开的项目骨架。 - 易扩展与可定制：支持自定义角色、数据存储和后端模型，既可以用云 API，也可以接本地推理服务，改动不算复杂。▲ github.com（阿里云通义万相 生成配图，非网页截图）上手提示项目以 Apache-2.0 协议开源，仓库里有清晰的快速上手文档。你只需要准备 Python 环境和可用的模型 API Key，不一定需要独立 GPU。建议先把官方示例跑通，再动手改角色设定。生成的代码虽然像模像样，但上生产前依然需要人工检查，把它当成一个高效的结对程序员更合适。喜欢的话，去 ChatDev 仓库 翻翻 README 和示例目录，里面还有不少玩法细节和社区讨论，值得进一步探索。
本地偏好 · 配色仅保存在当前浏览器
点此注册，收藏与评论更方便
Welcome! This site is in Chinese. Tap EN in the top bar to read in English.
