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 49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 46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 46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 48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 54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

GitHub项目

DSPy 让大模型提示词工程变可编程，告别手写 Prompt 碎片

leaf2026年8月1日1 分钟阅读 50暂无评论

还在为几十条 Prompt 维护头疼？试试斯坦福开源的 DSPy——它把「提示词工程」抽象成类似 PyTorch 的声明式模块，用优化器自动调整 Prompt 与权重，而不是靠人肉调词。适合做 RAG、Agent 或多步推理管线的研究者与工程师，能明显减少调试咒语的痛苦。核心看点- 模块化声明式 API：用 dspy.ChainOfThought、dspy.ReAct 等封装推理步骤，用代码组织复杂流程，Prompt 不再散落各处。 - 自动优化器：内置 BootstrapFewShot、MIPRO 等编译器，能从少量示例中自动生成高质量 few-shot 与指令，效果常优于手动设计。 - 多后端兼容：支持 OpenAI、Anthropic、Cohere 以及本地模型（通过 Ollama 等），同一套代码可切换不同 LM，方便对比。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁如果你正在做 RAG 问答、Agent 工具调用或多跳检索，且对结果一致性有要求，DSPy 很值得一试。依赖主要是 Python 与一个可用的 LLM 接口；若用本地模型，需要提前跑起 OpenAI 兼容服务。项目以 MIT 许可发布，社区活跃，文档里有大量示例 Notebook。想快速感受「写 Python 替代拼 Prompt」的体验，直接去看看 DSPy 的 README 与示例，很多模式直接抄就能用。

#Agent #GitHub

阅读全文参与讨论

GitHub项目

DB-GPT：把大模型接进数据库，自然语言秒变 SQL

leaf2026年7月31日1 分钟阅读 67暂无评论

如果你每天要在数据库和报表工具之间来回切换，写 SQL 写到手酸，DB-GPT 值得你花一分钟点开看看。它把大模型、智能体和数据操作串成一条完整链路，适合做数据分析、BI 场景的开发者或数据工程师，省去手工调查询的重复劳动。核心看点- 自然语言直通数据库：连上 MySQL、PostgreSQL 等常见存储后，用中文描述需求就能生成查询，还能顺手出图表，让数据问答变得很直接。 - 模型适配灵活：底层支持 Qwen、Llama 等开源权重模型，也允许接外部 API，不绑定单一供应商，团队选型更自由。 - 既有界面也有 API：提供可视化面板方便交互，同时暴露服务接口，想集成到自己的系统里也不麻烦，项目以 Apache-2.0 开源，商用前记得过一遍 LICENSE。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁数据分析师、后端开发者，或者想给团队搭一个私有知识库加数据库问答服务的小组。部署上需要能跑开放权重模型的 GPU，也可以走纯 API 模式降低门槛；安装依赖偏向 Python 生态，建议先照着 README 的快速开始跑一遍。想看清完整的模型适配清单和插件玩法，直接进仓库翻文档和示例，打开 DB-GPT 项目主页慢慢看。

#Agent #GitHub

阅读全文参与讨论

GitHub项目

Meta SAM 2：开源图像分割模型，物体追踪与视频遮罩一气呵成

leaf2026年7月30日1 分钟阅读 54暂无评论

搞计算机视觉的朋友肯定对 Meta 的 SAM 不陌生，现在它的升级版 SAM 2 来了。这个仓库把图像分割和视频对象追踪融合进了单一模型架构，你只需要点一下或画个框，就能在单帧上分割出物体，然后模型会自动追踪它在视频后续帧中的遮罩。对于需要精细处理视频素材的开发者、研究者来说，这意味着告别传统逐帧标注或分离的图像分割 + 追踪管线。核心看点- 统一图像与视频分割：不再需要两个独立模型。SAM 2 用同样的权重同时处理静态图和动态视频，输出像素级精确的遮罩。 - 交互式与自动模式双管齐下：你可以通过点击、框选或涂鸦给出提示，模型立即响应；也能配合 Grounding DINO 等文本检测器实现“用文字找物体并分割”。 - 推理高效，内存友好：基于 Transformer 的架构设计，对中等显卡（如 RTX 4090）就能流畅跑视频分割，官方提供了多种预训练权重和 ONNX 导出方案。仓库基于 Apache-2.0 许可证开放。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示典型场景包括视频编辑中的对象替换、医学影像病灶追踪、自动驾驶中动态障碍物的实例分割。你需要 Python 3.9+、PyTorch 2.0+，以及至少 16GB 显存的 GPU（建议 24GB 以上跑高清视频）。无需第三方 API Key，所有模型权重可直接从 Hugging Face 下载。安装指令和 Colab 示例都在 README 里写得很明白，半天内就能跑通第一个 demo。更多细节和社区讨论可以到仓库的 Discussions 里翻翻，不少人已经贴出了有趣的视频遮罩用例。如果你对 SAM 2 的实现原理或部署优化感兴趣，不妨直接看 README 中关于模型架构和训练数据的部分，链接在这里：meta sam 2 仓库主页。

#GitHub #人工智能

阅读全文参与讨论

GitHub项目

LitGPT：用PyTorch原生方式训练部署LLM，告别框架黑盒

leaf2026年7月29日2 分钟阅读 49暂无评论

如果你是那种觉得Hugging Face Trainer太黑箱、想自己掌控每一行训练代码的开发者，LitGPT可能是你一直想要的东西。它不是又一个高层封装，而是基于PyTorch Lightning构建的轻量级LLM训练与推理工具，直接暴露模型架构和优化步骤，同时省去重复的模板代码。无论是从头预训练、LoRA微调，还是部署，都用一套熟悉的PyTorch风格搞定，适合喜欢「看得见」训练过程的科研人员和工程师。核心看点- 透明可控的训练流程：使用PyTorch Lightning的LightningModule和LightningDataModule，hparams和checkpoints都按标准结构组织，没有隐式全局变量。支持FSDP、混合精度、梯度检查点等主流优化，配置通过YAML或CLI指定，极易复现实验。 - 原生支持多种模型架构：包括Llama 2、Mistral、Mixtral、Phi-2、Gemma、Qwen等，权重可直接从Hugging Face Hub下载，无需转换。微调支持LoRA/QLoRA、Adapter，且提供最小代码量的脚本，例如finetune/lora.py只有不到200行，适合学习和定制。 - 推理与导出一体化：能在单卡或CPU上跑生成，也支持批量推理；导出为torch.compile、ONNX或Triton推理服务所需格式，部署链路清晰。作者还提供量化方案，方便在边缘设备上运行。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁- 研究者：需要修改模型内部结构、试验新训练策略，LitGPT的模块化设计让你不必重写整套流程。工程师：需要一个可读性强、易于集成到现有CI/CD管线的LLM开发工具，且不想引入太多黑盒依赖。依赖：需要PyTorch 2.1+，CUDA或MPS加速；微调一张A100 80GB可跑7B模型，如果你的显…

#GitHub #人工智能

阅读全文参与讨论

GitHub项目

Diffusers 0.33：用统一 API 玩转文生图与视频生成，开发者的新起点

leaf2026年7月28日2 分钟阅读 51暂无评论

如果你还在为集成 SD、Flux、CogVideoX 等模型而拼凑零散代码，那不妨看看 HuggingFace 的 Diffusers。这个库把主流扩散模型打包成一套简洁的 Pipeline，无论是文生图、图生图还是视频生成，切换模型只需改几行参数。配合 HuggingFace Hub，模型权重和配置文件一键拉取，无需手动搬运。核心看点- 统一的 Pipeline 架构：StableDiffusionPipeline、FluxPipeline、CogVideoXPipeline 等几十种 Pipeline 共享相同调用方式，from_pretrained 加载、.to('cuda') 推理，新手也能秒上手。 - 社区扩展生态丰富：内置 LoRA、ControlNet、IP-Adapter 等热门训练和推理插件，无需改主代码即可实现换脸、姿势控制、风格迁移。官方还持续跟进最新论文，如 FLUX、SD3 首发即支持。 - 训练与微调一站式：提供训练脚本和示例，配合 accelerate 和 diffusers 自带的 train_text_to_image_lora.py，你能在消费级显卡上快速微调模型，并共享到 Hub。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁面向需要快速实验或构建生成式 AI 应用的开发者、研究者和创作者。依赖 Python 3.8+ 和 PyTorch，建议配备 GPU（至少 8GB 显存），但 CPU 推理也可行。所有模型均开源，无需 API Key；使用前请务必确认各模型权重仓库的 LICENSE 条款（部分模型有非商业限制）。Diffusers 不仅是工具箱，更是社区生态的入口。无论是想复现最新论文、做二次开发，还是想自己动手训练个性化模型，这里都能让你少踩不少坑。快去仓库的 README 和示例目录…

#GitHub #人工智能

阅读全文参与讨论