TAG
开源 工具。
全部标签共收录 837 款与「开源」相关的 AI 工具，按站内热度排序；每张卡片可直达详情页查看定价、平台支持与同类对比。
llama-ocr
llama-ocr是一款开源npm库，核心定位为基于Llama 3.2 Vision模型的光学字符识别工具，可帮助开发者快速集成文本识别能力到项目中。核心功能包括支持本地与远程图像的OCR识别、提供免费与付费两种接口调用方案、后续规划支持PDF格式文件的内容提取，项目设计受Zerox启发，整体结构轻量化易集成。目标用户覆盖前端开发人员、Node.js后端开发者、小型工具开发团队等，可应用于文档数字化、图像内容转写、批量文本提取、小票信息录入等多种开发场景，降低OCR功能的接入门槛。 · 开源
ACE: All-round Creator and Editor Following Instructions via Diffusion Transformer
ACE是由阿里通义实验室推出的基于扩散Transformer架构的多模态视觉生成与编辑工具，核心定位为支持多任务联合处理的全能创意内容生成平台。核心功能包括支持长上下文指令理解的统一条件输入、多场景图像生成与编辑能力、多模态指令自动生成服务。目标用户覆盖AI图像研发人员、内容创作者、产品设计师、高校计算机专业师生等群体，适用于多模态视觉模型研发测试、创意海报设计、图像内容二次编辑、AI生成应用原型搭建等多种场景，能够帮助用户简化视觉内容处理流程，提升生成任务的处理效率。
EzAudio
EzAudio是一款开源的文本到音频生成模型工具站，核心定位是帮助用户通过文本描述快速生成各类音频内容。站点支持多场景音频生成、音频风格自定义调整、多语言提示词适配三类核心功能，面向音频创作者、内容开发者、独立制作人等群体，可用于短视频音效制作、播客内容补充、游戏音效原型设计、有声读物场景音搭建等多种场景，无需复杂的音频制作基础即可完成对应音频内容的产出。 · 开源
DeepClaude
DeepClaude是一款整合多模型能力的AI服务平台，核心定位是将DeepSeek R1的逻辑推理能力与Claude的内容创作、代码生成能力进行融合，通过统一的交互界面和API接口为用户提供一体化AI服务。核心功能包括多模型能力融合输出、高性能流式响应、端到端加密隐私保护、本地密钥管理、自定义参数配置等。目标用户覆盖软件开发者、内容创作者、企业技术团队、AI应用开发人员、科研人员等群体，可应用于代码编写调试、复杂问题推理分析、长文本内容创作、AI应用二次开发、专业领域学术研究等多个场景，支持用户按需调配模型能力，满足不同场景的AI使用需求。
StableAnimator
StableAnimator是一款专注于人像动画生成的开源视频扩散框架站点，核心定位为端到端身份保留的视频合成工具。核心功能包括参考图驱动的人像动画生成、姿势序列条件控制、无后处理高质量视频输出。目标用户覆盖AI动画创作者、数字内容制作者、影视后期从业者、科研人员等群体，可应用于短视频人像动效制作、虚拟角色动作迁移、数字人内容生成、动画角色原型测试等多种场景，无需依赖第三方工具即可完成从静态人像到动态视频的转换。
SurfSense
SurfSense是面向团队协作的开源AI知识笔记平台，是可供选择的NotebookLM替代方案，核心定位是帮助团队基于自有内容构建AI驱动的知识协作空间。平台支持用户上传PDF、Word、Markdown、TXT等多种格式的自有文档，可基于上传文档的全部内容生成AI对话交互，支持多人共同协作管理知识集合，支持导出AI生成的各类分析结果，可适配团队内部知识整理、项目文档梳理、学术资料汇总、客户培训材料构建等多种使用场景，满足不同行业团队的个性化知识管理需求。
Understanding Deep Learning
Understanding Deep Learning是深度学习领域配套书籍的官方资源站，核心定位为深度学习学习者、教学者提供系统化的理论学习资料与实践辅助工具。站点核心功能包括完整的开源书籍内容在线查阅、配套Python实践笔记本下载、教师专属教学资源获取三类。主要面向计算机专业学生、AI领域从业者、高校相关课程教师、深度学习入门爱好者，可用于课程学习配套自学、科研原理查阅、教学内容备课、算法落地前的理论验证等多种场景，帮助用户搭建扎实的深度学习知识体系，打通理论到实践的衔接路径。 · 开源
TRELLIS
TRELLIS是一款基于统一结构化潜在表示与修正流变换器架构的原生3D生成模型服务平台，核心面向3D内容创作相关从业者与研究人员，提供多条件驱动的3D资产生成、多格式导出、局部编辑等功能。用户可通过文本描述或参考图像快速生成符合需求的3D模型，支持游戏开发、元宇宙场景搭建、工业设计原型制作、影视内容创作等多个场景的3D内容生产需求，降低3D资产制作的技术门槛，缩短创作周期。
Label Studio
Label Studio是一款灵活的开源数据标注平台，核心定位是为AI模型训练提供多类型数据标注解决方案，覆盖计算机视觉、自然语言处理、语音、视频等多个AI技术领域。平台支持图像分类、对象检测、语义分割、文本命名实体识别、音频说话人分割等数十种标注类型，适配不同场景的数据标注需求。同时支持本地部署、云端部署两种部署方式，满足个人开发者、小型AI团队、企业级研发部门的不同使用要求，可用于AI项目训练数据准备、标注任务团队协作、标注结果质量校验等多个场景，帮助用户完成标准化的训练数据集构建工作。 · 开源
Reactive Resume
Reactive Resume是一款开源免费的简历生成工具，核心定位为帮助用户灵活制作、管理和分发个人简历。核心功能包括多风格模板选择、高度自定义简历模块、实时预览编辑、一键多格式导出、公开简历链接生成。目标用户覆盖在校学生、职场新人、职场人士、自由职业者、求职者等群体。可应用于校园招聘投递、社会招聘求职、岗位内部晋升自荐、 freelance项目接单展示个人履历等场景，用户无需掌握专业设计技能，即可根据自身需求调整简历内容与排版。
PDFtoChat
PDFtoChat是一款基于AI技术的智能PDF交互工具，核心定位是帮助用户通过自然对话形式快速提取PDF文档中的有效信息。其核心功能包括AI文档语义分析、多轮对话式信息查询、文档内容溯源标注，目标用户覆盖学生、职场人士、科研人员等有PDF文档处理需求的群体，适用于文献查阅、报告解读、合同审核、资料整理等多种场景，可降低长文档信息检索的时间成本。
GET3D (Nvidia)
GET3D (Nvidia)是英伟达多伦多实验室推出的3D模型生成研究平台，核心定位是基于2D图像训练的AI生成式3D建模工具。平台核心功能包括3D纹理模型自动生成、多类别3D资产批量产出、生成模型效果在线可视化展示，目标用户覆盖计算机图形学研究者、3D内容创作者、游戏开发从业者、元宇宙内容构建人员等，可应用于学术研究验证、游戏场景资产搭建、数字人基础模型生成、工业产品原型可视化等多种场景，帮助用户降低3D模型创作的技术门槛，提升3D内容生产效率。 · 开源
quantized Llama
quantized Llama是Meta官方推出的轻量化大语言模型技术介绍站点，核心围绕Llama系列模型的量化优化方案展开，向开发者展示量化技术如何在保留模型输出质量与安全特性的前提下，降低模型运行的硬件门槛。站点提供量化模型的技术原理说明、不同量化精度的性能对比数据，以及边缘设备部署的参考案例，面向AI应用开发者、嵌入式设备研发人员、移动应用开发者等群体，可在资源受限设备AI应用开发、边缘侧AI功能落地、低功耗AI方案选型等场景下作为技术参考资料使用。
Chat2DB-ai
Chat2DB-ai是一款AI驱动的开源跨平台数据库管理工具，采用Apache 2.0许可证，支持多种主流数据库类型。核心功能包括自然语言转SQL语句、SQL性能优化、一站式数据库管理操作，可同时满足技术人员与非技术人员的数据处理需求。用户无需记忆复杂的SQL语法，即可完成数据查询、分析、迁移等操作，适用于日常数据库运维、业务数据分析、数据报表制作、数据库迁移实施等多种场景，帮助用户降低数据处理门槛，提升数据操作效率。
Agently AI应用开发框架
Agently AI应用开发框架是面向开发者的开源大模型应用开发工具，核心定位是降低AI Agent原生应用的构建门槛，帮助开发者聚焦业务逻辑实现。核心功能包括多模型统一适配接口、Agent工作流编排工具、插件化扩展体系、上下文持久化管理能力，支持Python、JavaScript等多语言接入。目标用户覆盖AI应用开发者、企业技术团队、科研人员、独立开发者等群体，可应用于智能客服系统搭建、企业内部AI助理开发、行业知识问答机器人构建、自动化工作流AI赋能等多种场景，适配从个人原型验证到企业级生产部署的不同需求。 · 开源
RWKV v6 Finch 14B
RWKV v6 Finch 14B是基于RWKV架构开发的第六代大语言模型官方介绍页面，核心定位为面向AI开发者、研究人员的开源大模型技术信息平台。平台提供模型架构技术细节、性能测试数据、开源授权说明三类核心内容，覆盖模型部署、二次开发、学术研究等使用场景，目标用户包括AI应用开发者、高校人工智能专业师生、AI技术研究人员、企业AI团队工程师等，用户可通过该页面全面了解Finch 14B的技术特性、应用边界，获取模型下载、训练贡献参与的官方渠道。
PR-Agent
PR-Agent是CodiumAI推出的面向代码协作场景的AI代码审查助手，核心定位为降低代码审查成本、提升PR处理效率的开发辅助工具。核心功能包括自动生成PR结构化描述、多维度代码问题检测、可落地的代码优化建议，同时支持GitHub、GitLab、Bitbucket等主流代码托管平台集成。服务目标用户覆盖个人开发者、小型开发团队、中大型企业技术部门，可用于日常功能迭代的PR自检、团队代码评审的前置筛查、开源项目贡献PR的快速评估等场景，帮助减少人工审查的重复工作量，降低代码上线后的缺陷概率。
Falcon 180B
Falcon 180B是由技术创新研究院（TII）推出的生成式大型语言模型官方站点，核心定位为面向全球开发者、研究机构及企业提供大模型技术支持与资源服务。站点提供不同参数规模的Falcon系列模型下载与使用文档，配套REFINEDWEB高质量训练数据集获取渠道，同时展示模型在各行业的落地应用案例。目标用户覆盖AI研究人员、企业技术开发团队、高校人工智能专业师生等群体，可支持自然语言处理研究、行业大模型微调、智能应用开发等多种场景使用。
Local AI Playground
Local AI Playground是一款专注于本地AI模型管理、验证与推理的开源工具，支持用户在无GPU的离线环境下开展AI实验，无需将数据上传至云端即可完成相关操作。其核心功能包括本地模型离线推理、模型效果快速验证、多模型版本统一管理，无需复杂环境配置即可快速部署使用。目标用户覆盖AI算法研发人员、计算机相关专业学生、隐私敏感型企业技术团队、个人AI爱好者等，可应用于离线AI原型测试、敏感数据模型推理、轻量AI应用开发、教学实践演示等多个场景，降低本地AI实验的操作门槛。
Pyramid Flow
Pyramid Flow 是由北京大学、快手科技、北京邮电大学联合研发的视频生成建模技术官方展示站点，核心定位为面向AI生成领域的流匹配视频生成技术开源平台。站点提供论文原文查阅、模型权重下载、推理代码部署指南三类核心功能，服务于AI算法研究员、视频内容开发从业者、高校计算机相关专业师生等群体，可支持学术研究参考、商业视频生成工具开发、AI生成技术学习实践等多类场景，是开源视频生成技术领域的参考站点之一。
Fireworks AI
Fireworks AI是面向开发者的AI模型调用与部署服务平台，核心提供高速开源大语言模型、图像模型的调用服务，支持模型微调与一键部署，无需额外支付部署相关费用。平台针对大模型推理延迟问题做了架构优化，可满足开发者在AI应用原型开发、生产环境部署、模型性能调优等场景下的需求，帮助开发者降低AI模型落地的技术门槛与成本，专注于上层应用功能的开发迭代。
Geekits
Geekits是由YGeeker推出的免费工具聚合平台，覆盖人工智能、生活服务、多媒体处理、编程开发等多个领域的实用工具。平台支持无需下载安装即可在线使用各类工具，支持批量处理常见办公、开发、生活场景需求，同时为开发者提供开源二次开发支持。目标用户包含普通互联网用户、办公人员、内容创作者、开发者、学生群体等，可满足日常文件格式转换、AI内容生成、开发调试、音视频简单处理等多种场景需求，不需要在多个工具网站之间切换即可完成多类型操作。 · 开源
Unsloth AI
Unsloth AI是专注于大语言模型微调加速的工具平台，核心定位为降低大模型微调的算力成本与时间门槛。平台支持主流开源大模型的轻量化微调，可实现数倍的训练速度提升，同时减少显存占用；内置预优化的模型库与微调模板，用户无需复杂配置即可启动训练任务；支持训练结果一键导出至多种部署框架，适配不同生产环境需求。目标用户覆盖AI算法工程师、机器学习研究者、大模型应用开发者、高校AI专业师生等，适用于垂类大模型定制、私有知识库微调、特定任务模型适配、学术研究模型训练等场景，帮助用户在有限算力资源下完成大模型微调工作。
Lobe Chat
Lobe Chat 是 LobeHub 推出的开源高性能 AI 聊天框架，核心定位是为个人、开发者及企业提供私有化部署的 AI 对话应用解决方案。该框架支持接入 OpenAI、Claude、Gemini、Ollama 等多家主流 AI 模型服务商，内置可扩展的插件系统，同时支持多模态交互与本地化数据存储。目标用户覆盖普通 AI 使用者、独立开发者、中小企业技术团队等群体，可应用于个人 AI 助手搭建、企业智能客服部署、AI 功能开发测试等多种场景，帮助用户灵活构建符合自身需求的 AI 对话系统。 · 开源
LTX-2 AI
LTX-2 AI是面向AI视频生成领域的开源项目官网，核心定位是提供支持原生音画同步、可本地部署的开源4K AI视频生成模型。网站主要发布项目更新、模型文档、安装教程与技术交流内容，核心功能包含提供开源模型下载、部署指南文档、技术交流社区入口以及模型效果演示视频。目标用户覆盖AI开发人员、视频内容创作者、开源技术爱好者，适用场景包括在本地搭建个性化AI视频生成环境、研究音画同步AI生成技术、定制化开发视频生成工具等，为开源生态中AI视频生成方向的研究者和实践者提供技术支撑。
NextChat
NextChat是一款开源轻量AI聊天平台，核心定位为多模型聚合的隐私友好型AI交互工具，支持对接OpenAI、Claude、Gemini等20+主流商用大模型，同时兼容llama等本地部署大模型，数据采用本地存储模式可降低隐私泄露风险，整体安装包仅5MB可实现全平台流畅运行，还内置Markdown、LaTeX与Mermaid渲染功能。适合AI爱好者、内容创作者、编程开发人员、科研工作者等群体使用，可满足日常问答、代码调试、内容撰写、公式推导、流程图绘制等多场景需求。 · 开源
Uberduck
Uberduck是一个开源AI语音生成社区平台，核心定位为面向创作者、开发者的语音合成与音频创作服务站点，平台目前收录超过5000种不同风格的音色，支持文本转语音生成、语音风格转换、自定义音色训练三大核心功能。目标用户覆盖内容创作者、独立游戏开发者、有声书制作者、配音从业者、AI技术爱好者等群体，可用于短视频配音、游戏角色语音制作、有声读物录制、创意音频内容创作、语音交互原型开发等多个场景，帮助用户降低音频内容制作的门槛，满足多元化的语音创作需求。 · 开源
TrailBlazer
TrailBlazer是一款基于扩散模型的轨迹可控视频生成工具，核心定位是帮助用户在无需额外训练模型的前提下，通过轨迹引导实现定制化视频生成。核心功能包括：其一，边界框轨迹引导，用户仅需绘制简单的边界框即可控制视频中主体的移动路径；其二，时空注意力地图编辑，支持对视频的空间布局和时间序列上的注意力权重进行调整；其三，关键帧+提示词联动控制，可同时通过关键帧边界框和文本提示设置主体的轨迹与外观特征。该工具面向AI视频创作者、动画设计师、内容运营人员、学术研究人员等群体，适用于创意短视频制作、动画分镜生成、动态广告设计、视频生成技术研究等多种场景，可降低轨迹可控视频的制作门槛。
nerfstudio
nerfstudio是面向神经辐射场（NeRF）领域的开源开发框架官方文档站点，核心定位是为NeRF研发与应用人员提供体系化的技术支撑资源。站点覆盖模块化框架接口说明、多场景数据预处理教程、训练过程可视化操作指引三类核心内容，目标用户包含计算机视觉领域研究人员、3D内容开发从业者、高校相关专业学生、NeRF技术爱好者等群体，可满足用户学习NeRF基础原理、复现前沿模型、开发自定义3D重建应用、调试模型训练参数等多类场景需求。
WebLLM
WebLLM是专注于浏览器端运行大语言模型的推理引擎，核心定位是通过WebGPU硬件加速技术，让大语言模型推理完全在用户本地浏览器执行，无需依赖远程服务器。核心功能包括WebGPU硬件加速推理、多模型适配支持、OpenAI API兼容对接，面向前端开发者、AI应用创作者、隐私敏感需求用户，可用于搭建本地AI助手、无服务器AI交互组件、离线AI工具、隐私导向AI问答系统等场景，在降低服务部署成本的同时，保障用户交互数据不会上传至第三方服务器。
Chatwoot
Chatwoot是一款开源的AI客服平台，核心定位是为企业提供可自主掌控的客户服务全链路解决方案。平台支持多渠道消息统一接入，可将网站、社交平台、邮件等不同渠道的客户咨询汇总到同一界面处理；内置AI增强的自助服务工具，能自动响应高频客户问题，降低人工客服重复工作量；同时支持灵活的自托管部署模式，符合SOC 2 Type II安全合规标准，可满足不同规模企业的数据安全需求。目标用户覆盖电商运营团队、SaaS企业客服部门、科技公司技术运维团队、出海品牌客户支持团队等，可用于日常客户咨询响应、售后问题处理、用户留存运营、售前咨询转化等多个业务场景。 · 开源
CRM
CRM是由清华大学团队研发的单图像转3D纹理网格生成模型，核心定位为面向3D内容创作的AI生成工具。其核心功能包括单图生成六视图图像、高分辨率三平面构建、端到端纹理网格输出三类，支持用户仅上传一张普通二维图像，即可快速得到可直接用于后续创作的3D资源。该工具面向3D建模师、游戏开发人员、动画创作者、学术研究人员等群体，可应用于游戏资产制作、数字孪生模型搭建、文创产品设计、3D内容原型快速验证等场景，无需复杂的多视角拍摄或手动建模操作，降低了3D内容的生成门槛。
Large World Models
Large World Models是专注于长序列多模态处理的开源大模型项目官网，核心基于RingAttention技术构建70亿参数规模的模型体系，可支持超100万标记的文本、长视频序列处理。项目提供开源模型权重下载、技术文档查阅、推理示例部署等核心功能，面向AI研究人员、多模态应用开发者、高校计算机相关专业师生等群体，可应用于长视频内容分析、超长文档理解、多模态知识库构建、长时序任务推理等多种科研与落地场景。
The Open Interpreter Project
The Open Interpreter Project 是一款面向编程及AI应用场景的代码执行工具，核心定位是连接大型语言模型与本地设备运行环境，实现自然语言到可执行代码的转换与落地。其核心功能包括自然语言指令代码生成、本地环境代码安全执行、多语言脚本适配处理，可帮助用户降低编程操作门槛，提升任务处理效率。目标用户覆盖开发者、数据分析人员、办公行政人员、科研工作者等群体，适用于日常脚本编写、数据批量处理、办公流程自动化、小工具快速开发等多种场景，无需用户掌握复杂的编程语法，即可通过语言描述完成对应开发及处理需求。
LLaVA-Video
LLaVA-Video是专注于视频领域的大型多模态模型项目，核心定位为通过指令调优提升视频理解与推理能力。核心功能包括构建高质量视频指令调优数据集LLaVA-Video-178K，覆盖多类视频理解任务；支持开放式问答、多项选择问答、细粒度视频描述等多场景推理；提供模型基准测试结果与训练方案参考。目标用户覆盖AI研究人员、多模态模型开发者、视频内容分析从业者等，可用于学术研究实验、视频分析工具开发、多模态模型迭代优化等场景，为视频方向的多模态技术落地提供数据与模型参考。 · 开源
Datalab.to
Datalab.to是专注于文档智能处理的开源AI工具平台，核心定位是为开发者、企业及相关从业者提供高性能的文档处理AI模型服务。平台核心功能包括高精度OCR识别、文档布局智能分析、PDF格式转Markdown导出，支持批量处理多类型文档文件。目标用户覆盖学术研究人员、企业办公人员、内容运营人员、前端开发人员、数据处理工程师等，可应用于学术文献批量整理、企业合同数字化归档、扫描文档内容提取、旧文档格式转换等多个场景，帮助用户降低文档处理的人力投入，提升内容流转效率。 · 开源
ExtractThinker
ExtractThinker是面向文档智能处理需求推出的灵活开发框架，核心定位是为大语言模型在文档处理场景提供标准化的工作流封装，被业内称为“智能文档处理的LangChain”。核心功能包括多格式文档结构化提取、自定义分类规则配置、大体积文档智能分段三大模块，适配科研、办公、政务等多个领域的文档处理需求。目标用户覆盖后端开发人员、AI应用开发者、企业文档系统搭建者，可用于批量合同信息提取、学术文献内容汇总、政务材料自动归档、企业知识库内容结构化等多种场景，降低开发者从零搭建文档处理链路的技术成本。 · 开源
Evidently AI
Evidently AI是专注于机器学习模型全生命周期监控与评估的开源工具平台，核心定位为ML从业者提供数据质量校验、漂移检测、模型性能评估等一站式可观测能力。其核心功能包括支持结构化数据模型与大语言模型应用的多场景评估，内置百余种预设指标与可视化报告模板，可无缝对接本地Python开发环境与云端生产部署链路。目标用户覆盖机器学习工程师、数据科学家、AI产品运维人员、大语言模型应用开发者、科研机构AI研究人员以及企业AI团队。可应用于模型上线前的验证测试、生产环境实时监控告警、大语言模型RAG系统效果迭代、模型合规性审计、团队模型实验效果对比等多个场景。 · 开源
LlamaIndex.TS
LlamaIndex.TS是面向TypeScript/JavaScript生态的大语言模型应用开发框架，核心定位为降低私有数据与大语言模型结合的开发门槛。核心功能包括多源私有数据结构化接入、上下文检索增强生成、多运行时环境适配，支持开发者将业务私有数据快速接入大模型应用，解决大模型知识时效性不足、私有领域信息缺失的问题。目标用户覆盖全栈开发人员、AI应用开发者、企业技术团队，可用于搭建企业内部知识库问答系统、领域专属智能客服、个人知识助理、文档智能分析工具等多种场景，无需开发者具备深度学习专业背景即可完成功能落地。 · 开源
OpenBB
OpenBB是一款面向投资研究领域的开源智能化分析平台，核心定位是通过人工智能与金融数据能力结合，简化投资研究全流程。平台支持自定义多维度金融分析、自动化生成投资研究报告，还可对接私有数据集与大语言模型拓展分析能力。核心面向金融分析师、个人投资者、量化交易从业者、金融专业学生等群体，可应用于个股基本面分析、行业趋势研究、投资组合回测、研报内容整理等多个金融研究场景，帮助用户降低投资研究的数据获取与分析成本。 · 开源
Sandbox Fusion
Sandbox Fusion是字节跳动开发的、专为大型语言模型（LLMs）设计的多功能代码沙箱工具，核心定位是为LLM代码生成能力测试、代码逻辑验证提供标准化的安全运行环境。核心功能包括支持20种编程语言的代码执行、内置10余个编码相关评估数据集、提供统一HTTP API调用接口，同时支持云基础设施部署和安全隔离机制。目标用户涵盖LLM研发人员、代码模型评测从业者、AI应用开发者、编程教学研究者等，可用于LLM代码生成能力基准测试、多语言代码逻辑验证、AI编码助手性能评估、编程题自动判分、硬件编程逻辑仿真等多个场景，帮助使用者在可控环境下完成代码相关的测试与评估工作。
MemFree
MemFree是一款开源的混合式AI搜索引擎，核心定位是打通互联网公开信息与个人私有知识库的统一检索入口。它支持同时查询网页内容与个人存储的书签、本地文档、PDF、笔记等私有数据，可自动生成检索结果的AI摘要并完成语义重排序，还内置多主流大模型切换与响应式页面代码生成功能。面向个人知识工作者、企业办公人员、开发者、学术研究者等群体，可满足跨源信息检索、个人知识沉淀管理、企业内部知识库搭建、前端页面快速生成等场景需求，有效减少用户在多平台来回检索、整理信息的时间成本。 · 开源
Kilo Code
Kilo Code是一款基于Visual Studio Code的开源AI编程助手插件，由Kilo-Org团队在Roo Code分支基础上迭代开发，核心定位是依托人工智能技术为开发者降低编码负担、提升开发效率。其核心功能包括AI驱动的代码生成、多开发场景模式切换、模型上下文协议扩展支持，同时兼容主流云端AI模型与本地部署模型，可满足不同场景下的代码隐私需求。目标用户覆盖个人开发者、中小型开发团队、编程学习者等群体，可应用于原型开发、代码调试、重复任务自动化、编程学习实践等多个开发相关场景。 · 开源
Metaflow
Metaflow是一个面向数据科学与机器学习项目的开源框架，核心定位是帮助开发团队简化项目构建、版本管理与部署流程。它支持从数据处理、模型训练到结果交付的全流程开发，提供统一的接口和数据结构，减少不同工具间的适配成本。核心功能包括项目版本管理、流水线编排、数据工件存储、云资源调度等，目标用户是数据科学家、机器学习工程师以及数据科学团队。适合用于企业级数据项目开发、科研机构模型训练、创业公司AI产品落地等场景，能够协调团队协作，提升项目交付效率。
Langfuse
Langfuse是一款开源的LLM应用全生命周期分析管理工具，核心定位为开发者及AI产品团队提供LLM应用的生产环境观测、质量评估与成本优化能力。核心功能包括全链路请求追踪，可还原LLM应用从输入到输出的完整调用链路；多维度指标分析，支持成本、延迟、准确率等核心指标的聚合统计；内置Prompt管理模块，可实现不同版本Prompt的迭代、对比与上线。目标用户覆盖AI应用开发者、产品经理、运维工程师、算法工程师等群体，可用于LLM应用上线前的调试场景、上线后的运行监控场景、迭代过程中的效果对比场景，帮助团队系统化管理LLM应用的全流程运行状态。
StyleTTS 2
StyleTTS 2是一款开源文本转语音（TTS）模型项目，核心定位为通过语音语言模型与扩散技术实现高自然度语音合成。其核心功能包括无参考语音的风格自适应生成、端到端对抗训练提升语音自然度、多场景零样本语音合成。目标用户覆盖AI语音研发人员、音视频内容创作者、有声读物制作团队、语音交互产品开发者等。可用于有声读物批量制作、虚拟数字人语音生成、智能客服语音系统搭建、多语言语音内容生产等场景，为语音合成相关开发与创作提供可落地的技术方案。 · 开源
Midscene.js
Midscene.js 是一款基于AI技术的UI自动化工具，核心定位是借助多模态大语言模型降低UI自动化测试与脚本维护的门槛。核心功能包括自然语言指令转自动化操作、多场景自动化框架集成、可视化调试报告生成三类，主要面向前端开发人员、测试工程师、自动化运维人员等群体，可应用于Web应用回归测试、UI交互流程验证、页面数据批量提取、跨端自动化流程搭建等场景，无需依赖传统元素选择器编写繁琐脚本，仅通过自然语言描述即可完成自动化任务搭建。
Allchemy
Allchemy是一个由AI驱动的开源在线无限合成游戏网站，网站以基础元素合成规则为核心，结合AI生成能力拓展合成路径。核心功能包含元素自由合成、AI拓展合成树、合成路径记录、元素收藏、随机生成挑战等。适合喜欢解谜探索、休闲放松、逻辑推理的玩家，也适合开发合成类游戏的创作者参考设计。可在碎片化休闲时间游玩，也可长时间沉浸探索完整元素合成树，还可分享自己发现的新奇合成组合给好友。
Awesome MCP Servers
Awesome MCP Servers是专注于Model Context Protocol（MCP）服务器资源聚合的开源平台，核心定位是为AI开发者提供标准化的外部系统对接资源集合。平台收录了覆盖通用工具、数据库、SaaS服务等多个类别的MCP服务器实现，支持开发者快速检索适配自身需求的协议组件，同时提供完整的接入示例文档。平台面向AI应用开发、大模型功能扩展、企业级AI系统搭建等领域的开发者，可用于大模型工具调用能力开发、多源数据接入AI系统、AI应用快速落地等场景，帮助降低MCP协议对接的技术门槛。
VLOGGER
VLOGGER是基于扩散模型的AI人物视频生成工具，核心定位是通过单张人物图像结合文本、音频驱动，生成可控的人物讲话视频。核心功能包括单图驱动的3D人体运动生成、时序可控的视频扩散渲染、面部与肢体动作联合调控三个模块。目标用户覆盖视频创作者、多媒体内容开发者、数字人从业者、高校AI研究人员等群体，可用于短视频内容生产、数字人直播素材制作、学术研究效果验证、虚拟形象内容产出等场景，无需针对单个人物单独训练模型，即可输出包含完整人体姿态的长时长生成视频。
Voxel51
Voxel51是面向视觉人工智能开发者的数据集处理与模型优化平台，核心定位是帮助用户完成计算机视觉数据集的快速标注、清理、分析，以及模型评估迭代。平台提供FiftyOne开源计算机视觉数据集工具与企业级数据集管理服务，支持目标检测、图像分类、语义分割等多种计算机视觉任务，可对接主流深度学习框架。核心功能包括数据集探索可视化、错误样本检测、数据集版本管理、模型输出对比分析，适用于计算机视觉项目开发全流程，服务于AI算法工程师、高校计算机视觉研究人员等用户群体，适合数据集构建、模型调试、模型效果迭代等场景。
Craft Agents
Craft Agents是Craft推出的开源桌面端AI代理工作平台，核心定位是为用户提供可灵活自定义的AI工作流管理能力。平台支持接入不同厂商的API接口与MCP服务器，可同时调度多个AI代理执行并行任务，还支持通过可视化配置或代码编写自定义工作流程。目标用户覆盖AI应用开发者、内容创作者、企业运营人员、科研工作者等群体，可应用于多模型联合内容生成、自动化数据处理、批量任务调度、个性化AI助手搭建等场景，帮助用户降低AI工具集成成本，提升复杂任务的处理效率。
Airbyte
Airbyte是一款开源数据集成平台，核心定位为帮助不同角色用户完成数据抽取、加载（ELT）、数据复制以及AI训练数据准备工作。平台支持从各类结构化与非结构化数据源抽取数据，完成转换处理后加载到目标数据仓库、数据湖或其他存储系统，同时支持预处理数据以满足AI模型训练的需求。平台提供自定义连接器开发、预置全品类数据源连接、数据同步调度、数据预处理等核心功能，目标用户覆盖数据工程师、机器学习工程师、数据分析师、企业数据团队、开源开发者、独立技术创业者等，适用于企业数据管道搭建、多源业务数据整合、AI训练数据集构建、业务系统数据迁移等多种业务场景。
GenWorlds
GenWorlds是一款专注于多智能体系统搭建的开源开发框架，核心定位是降低复杂多智能体应用的开发门槛，支持开发者快速构建高可靠性的智能协作系统。其核心功能包括自定义环境配置、可扩展架构适配、即插即用组件调用、多类型认知过程设置以及协调协议自定义。主要面向AI应用开发者、智能系统研究员、企业技术开发团队、高校计算机相关专业师生等群体，可应用于智能客服系统搭建、协作办公工具开发、虚拟仿真场景构建、分布式任务处理系统研发等多个场景，帮助开发者减少底层逻辑开发工作量，聚焦业务场景的功能实现。
Applio
Applio是一个聚焦AI语音克隆领域的开源生态系统，核心定位是为开发者与AI语音技术爱好者提供低门槛的语音模型训练、推理与应用落地工具。核心功能包括支持多语种语音数据集预处理、自定义音色模型训练、实时语音转换推理；目标用户覆盖AI技术开发者、内容创作者、配音从业者、学术研究人员等群体，可应用于有声读物制作、虚拟角色配音、语音数据扩增、多语种语音内容本地化等多种场景，所有核心代码开源开放，支持用户根据需求自主定制功能。
DreamLLM
DreamLLM是专注于多模态大语言模型研发的开源学习框架，核心定位是打破传统多模态模型的技术瓶颈，实现理解与创作能力的协同提升。核心功能包括原生多模态空间采样生成、无外部特征依赖的语义理解、跨模态联合分布建模三类，支持研究人员快速复现多模态生成实验，也可供AI开发人员搭建跨模态内容生成系统。目标用户覆盖AI领域研究学者、大模型开发工程师、高校计算机相关专业师生等群体，适用于多模态模型技术研发、跨模态内容生成工具开发、大模型相关学术实验验证等场景。
Together AI
Together AI是面向开发者的开源生成式AI云平台，核心提供大语言模型与图像生成模型的训练、推理、部署全流程服务。平台支持低延迟的AI模型推理调用、自定义开源模型微调训练、高可用模型生产级部署三大核心功能，主要服务AI应用开发者、算法研究人员、企业技术团队，可应用于AI聊天应用开发、垂直领域模型定制、生成式AI产品落地等场景，帮助使用者降低开源AI模型的落地门槛，提升开发与部署效率。
Ant Design X Vue
Ant Design X Vue 是基于 Vue 技术栈的AI界面开发解决方案，核心为AI场景下的前端开发者提供预制组件库与开发模板。核心功能包括AI对话界面组件、多模态内容展示组件、流式输出渲染模块、响应式布局适配方案，以及深色模式一键切换能力。目标用户覆盖Vue前端开发者、AI产品研发团队、企业级应用开发人员、独立开发者等群体，可应用于AI聊天机器人开发、智能客服系统搭建、多模态AI应用界面开发、企业内部AI工具落地等多个开发场景，帮助开发者减少重复编码工作，提升AI类产品界面的开发效率与交互一致性。
LibreChat
LibreChat是一款开源的AI对话聚合平台，核心定位是帮助用户在统一界面中调用多种主流AI大模型，无需在不同AI服务网站间来回切换。平台支持多模型同步响应对比、对话历史云端同步、自定义插件拓展功能三大核心能力，面向AI研究者、内容创作者、开发人员、办公人群、学生群体等用户，可满足多模型效果比对、多轮内容创作、代码辅助开发、日常问题咨询等多种使用场景，所有代码开源可自主部署，支持用户根据需求定制功能模块。
CoTracker
CoTracker是面向视频点跟踪任务的开源Transformer模型官方站点，核心功能为支持视频序列的稠密点联合跟踪、长时遮挡场景下的轨迹预测、可扩展的大规模点跟踪部署，目标用户覆盖计算机视觉研究人员、视频内容开发从业者、机器人导航算法工程师等群体，可应用于视频动作捕捉、三维重建、运动分析、自动驾驶场景感知、视频特效制作等多个领域，区别于传统独立点跟踪方法，该模型通过建模点与点之间的空间关联，提升跟踪的精度与鲁棒性，适配长视频、遮挡场景下的跟踪需求。