GitHub项目

ChatDev：让AI智能体协作开发，一句话生成完整软件

leaf2026年8月11日1 分钟阅读 24暂无评论

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。

#Agent #AI编程

阅读全文参与讨论

GitHub项目

Open-Sora 开源视频生成：本地复现 Sora 级效果

leaf2026年8月10日1 分钟阅读 21暂无评论

Sora 刷屏之后，很多团队都在拆解怎么复现，Open-Sora 是最早把完整流程摊开来的开源实现之一。它适合想上手视频生成训练/推理的开发者，也值得关注扩散模型架构的爱好者围观。核心看点- 完整训练管线：从视频处理、图像编码到扩散 Transformer 训练都有配套脚本，能看清生成背后的每一环，而不是只调黑盒 API。 - 推理与演示开箱即用：仓库提供 Gradio 示例与预训练权重入口，先跑通生成再谈二次开发，节奏很友好。 - 版本迭代快、社区活跃：代码侧采用 Apache-2.0 许可，结构清晰，适合在此基础上改模型或加数据集。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁比较适合想本地调试视频生成模型的研究者，也适合动手能力强的 AI 爱好者。依赖主要是 PyTorch 环境，具体显存和版本要求以 README 为准；注意权重与代码许可不同，商用前要核对。如果想看到实际生成的视频片段，或者想了解训练配置，直接打开 README 里的快速开始和示例页就行；调参经验可以在 Discussions 里翻一翻。Open-Sora 仓库直达

#GitHub #人工智能

阅读全文参与讨论

GitHub项目

Langfuse：看穿每一次 LLM 调用，开源可观测性补上调试短板

leaf2026年8月9日1 分钟阅读 20暂无评论

开发大模型应用最难受的，不是模型不聪明，而是它为什么返回这么个结果。Langfuse 就是解决这个问题的：把你应用的每次 LLM 调用、Prompt、Token 消耗、追踪链路全部记录成可检索的 trace，方便在网页端直接回放排查。做 RAG、Agent、多轮对话的开发者应该都能用上。核心看点- 全链路可观测：从用户侧请求到模型返回，中间经过的检索、工具调用、重试、降级都能串成一条 trace，排查透明了很多。 - 多语言 SDK 接入简单：官方提供 Python/JS/TS 包，能一行代码挂到 LangChain、LlamaIndex、OpenAI SDK 等生态上，不用侵入业务逻辑。 - 自托管 + 开放协议：仓库采用 MIT 许可，支持 Docker 一键部署，数据留在自己的服务器，在意隐私的团队也能安心用。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示想快速感受，先 docker compose up 起一个本地实例，然后在应用里引入 SDK，设置 Langfuse 的 host 和 project key。跑几句测试就能在 dashboard 看到耗时分段和完整输入输出。单机加 Docker 就够，不需要 GPU。建议再翻一遍仓库 README 里的接入示例和 Telemetry 说明：Langfuse 仓库首页。

#Agent #GitHub

阅读全文参与讨论

GitHub项目

PaddleOCR：一行命令搞定中文场景识别，PDF表格文字直接抽

leaf2026年8月8日1 分钟阅读 24暂无评论

做文档处理的人都知道，把 PDF、截图里的文字和表格变成结构化数据有多费劲。PaddleOCR 是我见过最省心的开源 OCR 项目，装好后一行命令行就能跑，中文识别效果在开源方案里属于第一梯队，特别适合内容创作者、开发者和需要批量处理文档的办公党。核心看点- 开箱即用：提供预训练好的 PP-OCR 系列模型，覆盖中英文、表格结构、版面分析和方向分类，不用自己训练就能处理大多数真实场景。 - 识别 + 结构化一体：不只输出文字框，还能把表格还原成 Excel 格式，对长文档和复杂版面也有专门的解析管线，做 RAG 前处理很顺手。 - 部署灵活：支持 CPU/GPU 推理，有 Python API 和命令行工具，也能导出服务化部署，从脚本调用到线上接口都能接。项目采用 Apache-2.0 许可证，模型权重细节以仓库 LICENSE 为准。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示建议在 Python 环境里直接 pip install paddleocr 和 paddlepaddle，然后传入图片路径就能得到识别结果。不需要 GPU，普通 CPU 跑小图也够快，但批量处理长文档时最好有独立显卡。首次使用会自动下载预训练模型，记得保持网络畅通。想看看新版模型效果、完整模型列表或者是训练自有数据的教程，直接去仓库 README 和文档逛一圈，比你自己慢慢试高效得多：PaddlePaddle/PaddleOCR

#GitHub #OCR

阅读全文参与讨论

GitHub项目

Transformers.js：不用服务器，浏览器里直接跑大模型推理

leaf2026年8月7日1 分钟阅读 27暂无评论

如果你主要写前端，又想让页面里直接跑模型，这个库值得点开。transformers.js 把 Hugging Face 生态搬到浏览器和 Node.js，不用维护后端服务也能做文本生成、嵌入、分类、语音识别甚至图像分割。核心看点- ONNX Runtime 后端，模型经 Optimum 转换后能离线加载，支持 WebGPU 加速，特定模型在浏览器里能跑出可用的速度。 - API 对齐 Python 版 transformers，熟悉 transformers 的人可以很快迁移；也提供原生 JavaScript 的 Pipeline 接口。 - 覆盖面广，文本、视觉、音频、多模态任务都有示例，社区持续补充新模型。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁前端开发者、独立开发者，以及想给网页加 AI 能力但不想维护 GPU 服务器的团队。依赖 npm 包，模型权重由 Hugging Face Hub 分发，需注意各模型自身的许可证。推理时浏览器需要较新版本以启用 WebGPU，纯 CPU 也能跑，但速度依模型而定。可以先去 README 看支持模型列表，或到官方示例站试试实时效果，再按任务类型找对应 Pipeline。transformers.js 仓库主页的 Releases 也常有新模型接入说明，值得关注。

#GitHub #人工智能

阅读全文参与讨论

GitHub项目

OpenHands 开源 AI 程序员：Agent 能自己改代码

leaf2026年8月6日1 分钟阅读 29暂无评论

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

#Agent #AI编程

阅读全文参与讨论

GitHub项目

LivePortrait：一张照片让人像动起来，表情驱动开源实现

leaf2026年8月5日1 分钟阅读 23暂无评论

给一张正面或侧脸照片，再给一段说话或转头的视频，LivePortrait 就能让照片里的脸跟着视频做出眨眼、微笑、歪头这些动作，神态贴合度做得比较自然。它解决了 AI 视频和虚拟人项目里最常见的「图片动起来」难题——不需要 3D 建模，也不用打关键帧，一张图加一个驱动视频就够。对做短视频、数字人、漫画分镜动效的开发者来说，这是可以直接拿去接进工作流的东西。核心看点高精度表情迁移：用隐式关键点同时对嘴型和头部姿态建模，侧脸和夸张表情下依然能保持稳定，生成结果里颈部和头发的跟随也比较顺。训练与推理全公开：项目提供完整训练代码和预训练权重，折腾微调或者只跑推理都有对应文档，不像很多 demo 仓库只放了个空壳。社区生态活跃：已经有人把它接进了 ComfyUI 和直播弹幕互动，意味着你现有的 AI 绘画或视频流程，有机会通过插件直接复用。代码基于 Apache-2.0 发布，模型权重另有条款，动手前先看一眼仓库里的 LICENSE。▲ 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用一张消费级显卡就能跑推理，建议先从官方给的示例视频试效果，再换自己的图片。需要 CUDA 环境，推荐用 conda 按 README 建环境；想直接看效果的可以下载模型权重后跑 demo 脚本。如果只是做数字人播报，把驱动视频裁剪成和照片人脸角度接近的比例，效果会更稳。项目主页上有不少演示片段和效果对比，看完再决定要不要往自己的工具链里集成。直接点进仓库看 README 的快速开始： LivePortrait 开源项目

#AI视频 #GitHub

阅读全文参与讨论

GitHub项目

MarkItDown：把 PDF/Office 转成 Markdown 喂给大模型

leaf2026年8月4日1 分钟阅读 27暂无评论

做 RAG 或拿本地文档微调时，最大的痛点往往是 PDF 排版乱、Word 表格识别难、图片里的文字还要另外 OCR。微软开源的 MarkItDown 把这一串流程收成一条命令：PDF、Word、Excel、PPT、图片、音视频都能转成干净的 Markdown，喂给大模型之前省掉大量手工清洗。特别适合正在搭知识库、做 Agent 数据预处理，或者只是想用 ChatGPT 分析本地文件的朋友。核心看点- 格式覆盖广：Office 三件套、PDF、EPUB、HTML 甚至带文字的视频、音频都能处理，图片可走 OCR 提取文字，算是给 LLM 准备的“万能转马克钉”。 - CLI 与库双形态：既能在终端一行命令转换，也能 from markitdown import MarkItDown 嵌入 Python 脚本，接进 RAG、Agent 的数据管线很顺。 - 扩展机制友好：自带 MarkdownConverter 基类，想接自己的 OCR、ASR 服务或私有解析器都可以，不用等官方更新。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁做 RAG 的知识库工程师、需要给大模型预处理文档的开发者，以及日常整理资料的信息工作者。Python 环境 3.10+ 即可，基础转换在本地完成不需要 GPU；若要用云端 OCR/ASR，可以在配置里接入 Azure 等服务，官网 README 有例子。许可证是 MIT，放心二开。如果你想看完整的支持列表和接入方式，直接翻 README 上的示例，比文档还直观。对了，项目最近还在更新，提 issue 也是有人管的。顺手去 MarkItDown 仓库点个 Star 备用，下次同事让你解析脏文件时就能拿出来顶上了。

#AI工具 #GitHub

阅读全文参与讨论

GitHub项目

Letta：给 Agent 装上能自我更新的长期记忆

leaf2026年8月3日1 分钟阅读 29暂无评论

如果手头的 Agent 总在多轮对话后“失忆”，Letta 值得你点开源码看一眼。它是 MemGPT 的延续，把研究里的“自我编辑记忆”变成可自托管的 Agent 框架，非常适合正在做复杂助手、知识型 Bot 或长期任务的开发者。核心看点- 记忆即代码：上下文按 memory block 组织，Agent 可以通过工具调用自主写入、更新和清理记忆，而不是把所有历史都硬塞进 prompt。 - 开箱即用的运行时：带 REST API 和 Python SDK，配合官方 Server 就能本地跑起来，既接 OpenAI/Anthropic 这类云模型，也能对接本地推理服务。 - Apache-2.0 许可：可以放心自托管和二次开发，仓库近期提交与 Issues/PR 讨论都还算活跃，不是摆样子的空壳。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁适合被 context window 限制折磨的开发者和想研究 Agent 长期记忆机制的研究者。运行 Letta 需要准备好 Python 环境，服务端可以按 README 说明容器化部署；调用云模型要 API Key，用本地模型则参照你自己部署的推理服务即可。想理解 memory block 到底怎么工作，直接按 README 快速跑一个带记忆的 Agent；想聊架构取舍和后续方向，可以翻 Discussions。先从这个入口进：Letta 仓库

#Agent #GitHub

阅读全文参与讨论

GitHub项目

PEFT：一张显卡也能微调大模型的 LoRA 利器

leaf2026年8月2日1 分钟阅读 34暂无评论

想微调大模型却总被显存劝退？PEFT 是 Hugging Face 官方出品的参数高效微调库，把 LoRA、Prefix Tuning 这些方法封装成几行代码，让普通开发者也能在消费级 GPU 上折腾大模型。适合刚入门微调、又不想啃论文复现细节的开发者。核心看点- 多种主流方法一套搞定：内置 LoRA、QLoRA、IA3、P-Tuning、Prefix Tuning 等，切换时只需改一个参数，方便横向对比效果。 - 与 transformers 深度集成：直接复用现有模型和 Trainer 生态，训练完导出的小体积权重也能配合推理框架部署，改动量很小。 - 降低微调门槛：训练的额外参数占比通常很低，配合量化还能进一步压显存占用，对个人研究者友好，社区更新也频繁。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁如果你的项目卡在「模型太大、显卡太少」，或者想快速试不同微调策略，这个库会很顺手。需要基础的 Python 和 transformers 使用经验，不需要额外 API Key，模型和权重仍要按原模型许可证使用。项目使用 Apache-2.0 协议，可放心商用。想动手的话，README 里有清晰的快速上手示例，也值得翻一翻 Examples 看真实场景怎么用。直接去 PEFT 仓库主页逛逛吧。

#GitHub #LoRA

阅读全文参与讨论