Docling：把 PDF 转成 Markdown，RAG 前先跑一遍
做 RAG 的人大概都踩过同一个坑：模型换了一轮又一轮，…
TEN-Agent：把实时语音+视觉 Agent 装进自己的服务
搭一个能听、能看、能对话的 AI Agent，最烦人的往…
Transformers：统一 API，换模型不用重写管线
一个人调模型最怕的不是没显卡，而是今天换这个明天换那个，…
MiniCPM-V：端侧多模态新选择，手机也能跑高精度识别
做多模态应用时总被模型体积和显存卡住？想找个能离线跑、中…
OmniParser：多模态Agent的UI屏幕解析利器
做 Agent 卡在最尴尬的一步：模型看得见截图，却看不…
Parler-TTS：开源语音合成，几行代码生成自然语音
做语音总被困在在线 API 的限速和账单里？Parler…
OlmoOCR：高保真PDF转文本，RAG解析不头疼
很多搭 RAG 管线的人，最后都会卡在 PDF 解析上：…
ms-swift：一条命令微调全模态大模型，LoRA 和 DeepSpeed 都搞定
微调一个开源模型，光是环境适配、数据格式化、多卡并行就够…
Open-Sora 开源视频生成：本地复现 Sora 级效果
Sora 刷屏之后，很多团队都在拆解怎么复现，Open-…
PaddleOCR：一行命令搞定中文场景识别，PDF表格文字直接抽
做文档处理的人都知道，把 PDF、截图里的文字和表格变成…
