GitHub项目

ComfyUI：拖拽式节点工作流，AI 图像/视频生成利器

leaf2026年6月3日1 分钟阅读 51暂无评论

厌倦了每次跑 Stable Diffusion 都要记命令行参数？ComfyUI 把复杂流程变成可视化节点图——拖拽连接模块即可搭建文生图、图生图、ControlNet 甚至视频生成管线。无论你是想快速出图的设计师，还是需要精细控制每一层模型的开发者，这个仓库都能让你用更少代码做更多事。核心看点- 模块化节点系统：所有操作（模型加载、提示词输入、采样器、后处理）都是可拖拽的节点，自由组合，逻辑一目了然，方便调试和复用。 - 原生支持多模型生态：直接兼容 Stable Diffusion 系列、FLUX、AnimateDiff 等主流模型，无需额外适配；还能加载 LoRA、ControlNet、T2I-Adapter 等附加模块。 - 高效率与低门槛并存：基于 PyTorch，利用 GPU 加速，同时提供 Web UI 界面；社区贡献了大量现成工作流，导入即用，适合从新手到进阶用户。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示- 依赖：Python 3.8+，PyTorch，NVIDIA GPU（建议 8GB 以上显存）；CPU 模式可用但速度较慢。 - 无需 API Key：完全本地运行，模型权重需自行下载（Hugging Face / Civitai），仓库以 MIT 许可证发布，放心使用。 - 典型场景：批量生成角色立绘、搭建 ControlNet 精准控制姿势/深度、组合 AnimateDiff 制作短视频片段。GitHub 仓库里不仅有完整安装指南，还有官方示例工作流和问题讨论区。直接点开 ComfyUI 体验节点式创作的快感吧。

#AI绘画 #GitHub

阅读全文参与讨论

GitHub项目

Mochi 1 开源视频生成：一句提示词生成流畅电影级动态

leaf2026年6月19日1 分钟阅读 52暂无评论

如果你试过 Sora 但没资格内测，或者被闭源模型的价格劝退，Genmo 开源的 Mochi 1 可能是目前最值得你本地跑一把的视频生成模型。它用 Apache-2.0 许可发布，不需要排队，直接下载权重就能在单卡 A100 上生成 5 秒左右的连贯视频，效果直逼商业方案。核心看点端到端视频扩散：基于 Asymmetric VAE 和 Transformer 架构，直接在 RGB 像素空间生成视频，省去了单独动捕或帧插值步骤。支持 8 秒 540p 的原始分辨率，运动幅度和物体一致性比前代 CogVideoX 更自然。开源权重 + 商业友好许可证：模型权重和推理代码一并放出，MIT 许可证改写和商用限制极少，无论是做独立创作者工具原型还是集成到自家产品，法律风险都很低。▲ github.com（阿里云通义万相生成配图，非网页截图）社区灵活扩展：官方提供了 Gradio 网页界面和 CLI 两种启动方式。已有开发者尝试 LoRA 微调来控制特定风格，Issues 里也有人在讨论低显存优化（如 FP8 量化）。上手提示建议使用 Linux + Python 3.10，单张 A100（40GB）即可跑 5 秒视频；如果只有 24GB 显存（如 3090），可以降低帧数量或用官方的蒸馏版模型。权重自动从 HuggingFace 下载，约 10GB。仓库的 README 里贴了现成的 pip install -r requirements.txt 和启动命令，十分钟就能看到第一个 demo。想立刻体验文字到视频的创作快感，直接戳 genmo/mochi 跑起官方脚本，Issues 区还有不少社区调参经验等你挖。

#GitHub #人工智能

阅读全文参与讨论

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 25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

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 24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 28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

ChatGPT-Next-Web：自部署的跨平台AI聊天面板，一键接入多模型

leaf2026年6月8日1 分钟阅读 52暂无评论

厌倦了官方ChatGPT的订阅限制或频繁的网络问题？这个开源项目让你用Vercel或Docker在几分钟内部署一个功能完整的AI聊天Web UI，支持OpenAI、Claude、Gemini、本地模型（Ollama）等多种后端，并内置会话管理、Markdown渲染、语音输入等实用功能。适合想要拥有私人AI助手、团队共享API额度或折腾自托管方案的开发者与重度用户。核心看点- 多模型一键切换：在同一个对话界面里自由切换GPT-4、Claude 3、Gemini Pro甚至本地跑起来的Llama 3，不用再开多个标签页。 - 零门槛部署：支持Vercel一键部署（免费额度足够个人使用）、Docker本地运行、以及手动构建，README提供清晰的步骤截图，即使前端新手也能在10分钟内上线。 - 实用细节拉满：内置会话文件夹管理、Prompt模板库、导出/导入对话记录（JSON/Markdown）、全局遮罩（Mask）功能可预设角色设定，还支持PWA离线访问。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示- 无需GPU：纯前端项目，后端API由你指定的模型服务商提供（需自行申请OpenAI等API Key，或搭配Ollama使用本地模型）。 - Node.js 18+ 即可本地开发，Docker部署则需Docker Engine 20+。项目采用MIT许可证，可自由修改和商用。如果想给团队搭建一个统一的AI对话入口，或者单纯想摆脱官方客户端的种种限制，直接去仓库看README里的Vercel部署按钮，点一下就能拥有自己的AI面板。传送门：ChatGPT-Next-Web

#AI应用 #GitHub

阅读全文参与讨论

GitHub项目

SwarmGPT：让多智能体协作自动化处理复杂AI任务

leaf2026年6月17日1 分钟阅读 37暂无评论

面对需要多步骤推理、跨平台调用或复杂数据处理的AI任务，单一大模型往往力不从心。SwarmGPT 提供了一个轻量级的框架，让你能轻松编排多个 Agent 进行协作，无需构建庞大的工程体系。核心看点极简的 Agent 编排逻辑：基于 OpenAI 官方 Swarm 理念优化，通过简单的函数调用和状态管理，实现 Agent 间的无缝交接与任务分解，代码可读性极高。原生多模型支持：不仅兼容 OpenAI，还良好支持本地部署模型，方便在成本敏感场景下落地。即插即用的工具链：内置丰富的常用工具接口，开发者可快速扩展自定义功能，解决特定领域的自动化难题。▲ github.com 仓库页截图（仅供参考，以 GitHub 为准）上手提示项目采用 MIT 许可证，商业化无忧。主要依赖 Python 环境，建议配合支持 Function Calling 的 LLM 使用。对于需要私有化部署的团队，结合本地模型即可快速搭建专属的多智能体工作流。想深入了解如何构建你的第一个多 Agent 应用，直接查看 README 获取详细教程。

#AI开发 #GitHub

阅读全文参与讨论

GitHub项目

Fooocus：一键出片的极简AI绘画工具，告别参数调优

leaf2026年6月5日2 分钟阅读 51暂无评论

受够了在 WebUI 里调整采样步数、CFG Scale 和一堆看不懂的滑块？Fooocus 把 Stable Diffusion 的复杂性全部封装到背后，给你一个类似 Midjourney 的极简界面：输入提示词，点击生成，就能得到高质量图片。它内置了图像质量优化、风格预设和自动提示词增强，让非技术用户也能专注于创意本身。核心看点- 开箱即用的极简体验：下载解压后双击即可运行，无需配置 Python 环境或手动下载模型。界面只保留提示词框、图像尺寸和风格选择器，所有底层参数（采样器、CFG、负面提示词等）均由算法自动优化。 - 内置风格库与图像增强：提供几十种预设风格（如“电影感”“赛博朋克”“水彩”），一键切换。生成后自动执行高分辨率修复（HD Scaling）和面部修复，输出可直接用于社交媒体或设计稿。 - 基于 SDXL 的深度优化：默认使用 SDXL 模型，并集成了自研的采样策略和提示词扩展模块，生成图像的构图、光影和细节一致性显著优于裸 SDXL。支持 LoRA 和 ControlNet 的简单拖放，保留一定扩展空间。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示- 硬件：推荐 8GB 以上显存（NVIDIA GPU），16GB 可流畅生成 1024×1024 以上分辨率。支持纯 CPU 模式但极慢。 - 依赖：无需 Python 安装，内置一键启动包（Windows/macOS/Linux 均有预编译版本）。所有模型权重自动从 Hugging Face 下载，遵守 SDXL 的 Open RAIL-M 许可证。 - 适合谁：AI 绘画新手、设计师、内容创作者，以及任何希望快速产出高质量图片但不想折腾技术细节的人。Fooocus 的 GitHub Releases 页面提供了各平台的便携版，下载即玩。想了解它如何自动优化参数？查看 Foo…

#AI绘画 #GitHub

阅读全文参与讨论

GitHub项目

LLM-Fine-Tuning：高效微调大模型的实战工具箱，LoRA/QLoRA全支持

leaf2026年5月14日1 分钟阅读 67暂无评论

如果你正为如何在自己的数据上高效微调大语言模型而头疼，这个仓库就是你的救星。它提供了从环境配置到模型部署的完整微调流水线，尤其适合那些既想节省GPU资源、又希望获得专业级微调效果的开发者。项目基于Hugging Face生态构建，对新手友好，同时保留了高级调优的灵活性。核心看点- 一键式微调脚本：支持 LoRA、QLoRA、全参数微调三种模式，只需修改配置文件即可切换，无需手动编写训练循环。 - 多模型兼容：已适配 Llama 2/3、Mistral、Qwen、ChatGLM 等主流开源模型，并持续更新。 - 实用工具链：内置数据格式转换、分词器预处理、训练监控与评估脚本，减少重复造轮子。▲ github.com（阿里云通义万相生成配图，非网页截图）上手提示推荐在单张 24GB显存的GPU（如RTX 4090）上运行QLoRA，可微调7B参数模型。需要安装Python 3.10+和PyTorch 2.0+，无需任何API Key。项目采用 Apache-2.0许可证，可自由用于商业和研究。想快速体验微调效果？直接克隆仓库并按README中的示例命令跑一遍，几分钟内就能看到模型在自定义对话数据上的表现。更多调参技巧和模型支持列表，记得去 GitHub仓库的Issues和Wiki里探索。

#GitHub #LoRA

阅读全文参与讨论

GitHub项目

多智能体协作利器：AutoGen 让你轻松编排 LLM 工作流

leaf2026年7月4日1 分钟阅读 38暂无评论

搞 Agent 应用最头疼的就是怎么让多个模型分工合作、稳定输出结果。微软开源的 AutoGen 正是为了解决这个痛点而生的框架，它让你能用几行 Python 代码定义智能体角色、对话顺序和终止条件，非常适合想快速搭建多智能体原型的开发者。核心看点- 灵活的角色定义：支持将助手、用户代理、工具执行等角色抽象为 AssistantAgent、UserProxyAgent 等基础类，你可以自由组合并配置 LLM、工具和记忆模块。 - 内置对话模式与终止机制：框架预置了顺序对话、分组对话等模式，并通过 termination_msg 等回调精准控制对话何时结束，避免死循环或空转。 - 无缝集成主流 LLM 与工具：默认支持 OpenAI、Azure、Ollama 等多种推理后端，也能直接调用本地 Python 函数或外部 API 作为工具，扩展性很强。▲ github.com（阿里云通义万相生成配图，非网页截图）适合谁正在调研或已经上手 Agent 开发的 AI 工程师、RAG 应用构建者。项目采用 MIT 许可证，对商用友好；依赖 Python 3.8+，不需要额外 GPU 即可运行核心编排逻辑（但调用 LLM 仍需 API Key 或本地模型）。如果你对多智能体对话的设计模式感兴趣，不妨去 AutoGen 的 README 看看它内置的“群聊”和“顺序流转”示例——那些代码几乎可以直接复制到自己的项目里。

#Agent #GitHub

阅读全文参与讨论