GitHub项目

Langflow：可视化拖拽搭建 RAG 与 Agent 工作流的低代码神器

leaf2026年5月7日1 分钟阅读 85暂无评论

如果你厌倦了手写长串 Python 代码来串联 LLM 调用、向量库查询和工具链，Langflow 让你像搭乐高一样拖拽节点就能完成从 RAG 到多 Agent 编排的复杂流程。它特别适合快速原型验证、教学演示以及非深度开发者快速上手 AI 应用开发。核心看点- 可视化节点编排：内置 LLM、Prompt、Vector Store、Tool、Agent 等数十种模块，支持自定义 Python 函数节点，拖拽连线即可构建管道。 - 原生 RAG 与 Agent 支持：可直接接入 Chroma、FAISS、Pinecone 等向量库，配合 LangChain 生态实现文档问答、工具调用链，无需手写中间胶水代码。 - 一键导出与 API 部署：工作流可导出为 JSON 或直接启动为 REST API 端点，方便集成到前端应用，项目采用 Apache-2.0 许可证，社区活跃。▲ github.com 仓库页截图（仅供参考，以 GitHub 为准）适合谁- AI 应用原型设计师：快速验证 RAG 流程或 Agent 逻辑，无需从头搭框架。 - 教学与演示场景：用可视化界面向学生或客户展示 LLM 调用链、检索增强和工具调用过程。 - 低代码爱好者：熟悉 Python 基础即可，无需深度学习框架经验，本地运行仅需 Python 3.8+。快去仓库看看示例工作流和内置模板，拖拽几下就能跑通一个带记忆的聊天机器人——Langflow 仓库主页的 README 里就有快速启动指南。

#Agent #GitHub

Kohya’s GUI：训练LoRA模型的全能画布，轻松定制你的SD风格

leaf2026年7月16日1 分钟阅读 50暂无评论

如果你玩Stable Diffusion，迟早会想训练自己的LoRA——角色、画风或物体，而Kohya's GUI正是开源社区里最受欢迎的图形化训练工具箱。它把SD模型的LoRA、DreamBooth、Textual Inversion训练流程封装成直观界面，省去手写脚本的麻烦，适合想要微调模型的AI绘画爱好者。核心看点- 全流程图形化：从数据打标、配置参数到启动训练，全程在浏览器中操作，初学者也能快速上手。支持自动打标（Tagger）、正则化图像、学习率调度等功能。 - 多后端兼容：底层跑在PyTorch上，支持Windows/Linux，可调用NVIDIA GPU（CUDA）或AMD ROCm。原生集成xformers、DeepSpeed等优化，显存八仙过海。 - 活跃社区与模板生态：仓库持续更新，Issue/PR响应快。网上有大量预设配置文件，你只需改几项路径就能开始训练，大大降低门槛。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁适合想微调SD风格但不想写训练脚本的AI画师、设计师或爱好者。依赖Python 3.10+和NVIDIA显卡（建议8GB以上显存），可用CPU但会很慢。无需API Key，全部本地运行。许可证为Apache-2.0，可自由使用和修改。打开仓库的Releases页面下载打包版或直接pip install，跟着README里的Quick Start就能跑通第一个LoRA。更多技巧藏在Wiki和Discussions里，很适合逐个探索：Kohya's GUI官方仓库。

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 46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。

InstantID：一张照片秒级生成风格化肖像，无需额外训练

leaf2026年5月19日1 分钟阅读 85暂无评论

厌倦了为生成一张特定风格的肖像照而反复调试 LoRA 或等待漫长的 Dreambooth 训练？InstantID 让你仅用一张参考照片，就能在几秒内生成保持身份特征（ID）的多种风格肖像，效果自然、无需额外微调。适合需要快速生成个性化头像、虚拟角色或创意素材的开发者与创作者。核心看点- 零训练，即插即用：基于预训练的 Stable Diffusion 模型，无需 LoRA 或 DreamBooth 训练，一张参考图即可完成身份保持的图像生成。 - 高保真身份保留：通过创新的 IdentityNet 结构，同时利用面部嵌入和关键点信息，在风格大幅变换时仍能稳定保留面部特征。 - 风格兼容性强：支持与 ControlNet、IP-Adapter 等主流扩散生态工具协同，可结合不同风格 LoRA 或提示词实现多样化的肖像效果。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁AI 图像应用开发者可快速集成个性化生成功能；设计师与内容创作者需要为人物生成不同风格（如赛博朋克、古风、插画）的肖像素材；研究者可参考其身份保持机制进行二次探索。依赖 PyTorch 与 Diffusers 库，推荐使用 GPU（显存 ≥ 8 GB）以获得流畅体验。想快速跑通体验？直接看 README 的“Quickstart”部分，或去 Hugging Face 在线 Demo 试试。更多技术细节与社区案例，欢迎访问 InstantID GitHub 主页。

Plandex用AI在终端跑长任务，治好了我的半途而废症

leaf2026年7月19日1 分钟阅读 47暂无评论

如果你经常打开ChatGPT写代码，却因为对话太长、上下文丢失、需求一变就重来，最后放弃——那Plandex就是为你准备的。它把AI助手直接搬进终端，专门解决“大型、多步骤开发任务”的痛点。无论是重构模块、写测试还是搭脚手架，你只需描述目标，Plandex会自动拆解子任务、按顺序执行、遇到错误自动重试，所有状态持久保存，关了终端下次继续。对命令行老手和AI编程重度用户来说，这套工作流比会话式ChatGPT靠谱太多。核心看点- 任务持久化与断点续跑：所有AI执行状态保存在本地，关掉终端再打开，输入plandex continue就能从上次失败或中断的地方接着干，再也不怕对话被清空。 - 自动任务拆解与分步执行：你只给一个高层面目标（比如“给这个FastAPI项目加JWT认证”），AI会自动拆成多个步骤，每步生成或修改代码，你随时review和调整，像结对编程一样可控。 - 多模型支持与上下文管理：默认集成OpenAI，但可切到Anthropic Claude等；内部用精简的上下文策略避免token浪费，同时保留关键历史，跑大型重构也不会突然失忆。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示装一个Node.js（>=18），然后npm install -g plandex就能开用。无需GPU，不依赖Python环境，对机器配置几乎零要求。首次运行需配一个OpenAI API Key或兼容接口。典型场景：拉下一个新仓库快速理解代码、批量改接口命名、自动给老函数补单元测试。如果你是Vim或Tmux用户，配合起来非常顺手。Plandex的持久化工作流和分步把控的思路，值得每个想把AI真正写进开发流的人试试。去仓库 README 看它怎么拆解一个“邮件发送功能”的例子，很快就能上手：Plandex 仓库

#AI开发 #GitHub

LeRobot：让真实机器人学会操作的开源入门套件

leaf2026年8月24日1 分钟阅读 37暂无评论

想试机器人学习却总被仿真环境劝退？LeRobot 把模仿学习、强化学习打包成可直接跑的 Python 框架，支持真实机械臂，也支持仿真后端。它由 Hugging Face 维护，代码结构清晰，适合想从零接触 Robot Learning 的开发者或研究者。核心看点- 低门槛上手：提供统一 API 和预训练 checkpoint，从数据采集、模型训练到部署开箱即用，不要求自己搭仿真环境。 - 真实硬件支持：针对常见桌面机械臂提供现成配置，官方整理过硬件清单，社区也能共享数据集，生态比想象中热闹。 - 与 Hugging Face 生态打通：数据集和模型都能直接走 Hub，方便复现和协作，还带 Gradio 演示界面，调参更直观。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁对机器人操控刚起步的开发者和 AI 学生最合适。本地跑通需要一台带 CUDA 的 GPU，不过纯推理用小模型也可以 CPU 勉强凑合；不需要额外 API Key，所有资源都是开源开放的。Apache-2.0 许可，商用前建议自己再看一遍 LICENSE。想了解具体支持哪些机器人型号、怎么采数据，直接看 README 的快速开始部分，顺便去 Issues 里瞄一眼社区最近的踩坑记录。仓库入口：huggingface/lerobot

对话式AI开发利器！NVIDIA NeMo帮你快速构建定制LLM应用

leaf2026年7月11日1 分钟阅读 58暂无评论

如果你正为如何高效搭建支持多轮对话、知识检索的 AI 应用而头疼，NVIDIA 的 NeMo 框架会是一个值得试试的选择。它专为对话式 AI 场景设计，集成了训练、微调、推理和服务全套能力，对研究者和工程团队都很友好。核心看点- 端到端一站式：从数据处理、模型训练到部署推理，NeMo 提供了统一的工具链，省去拼凑多个库的麻烦。 - 多模态与多语言支持：除了文本对话，还集成了语音识别（ASR）、语音合成（TTS）和图像理解模块，适合构建更自然的交互体验。 - 大规模分布式训练：基于 NVIDIA 的优化，能高效利用多 GPU 集群进行预训练或 LoRA 微调，社区持续在贡献新模型和 checkpoint。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁主要面向有一定深度学习基础的开发者或研究人员，希望快速验证对话式 AI 原型或定制企业级应用。需要 Python 3.8+ 和 CUDA 环境，推荐使用 NVIDIA GPU 以获得最佳体验。框架本身是 Apache-2.0 许可证，模型权重需遵循各自许可。如果你想把 RAG、多模态、语音交互整合到一个相对成熟的工程框架里，不妨仔细翻翻它的 README 和示例，很多细节都在 NVIDIA NeMo GitHub 仓库里藏着。

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

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 45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