Axolotl-AI-Cloud/Axolotl 是一个开源的、基于云计算的 AI 平台，用于构建和部署人工智能模型。Axolotl 的目标是提供一个简单、灵活和可扩展的平台，用于开发和部署 AI 应用程序。Axolotl 的主要特点包括：云计算：Axolotl 基于云计算技术，提供了一个可扩展和灵活的平台，用于构建和部署 AI 模型。AI 框架：Axolotl 支持多种 AI 框架，包括 Ten / 2025-03-21 19:40:50 / 查看 478 次

Fireplexity — 极速 AI 搜索引擎Fireplexity 是基于 Firecrawl 驱动的开源 AI 搜索引擎，支持网页、新闻、图片等多模态搜索，主打 实时引用、流式回答与最新数据。它让用户在获取信息的同时，直接看到来源，确保结果可靠。主要特点 • 🔥 极速响应：流式输出答案，边生成边阅读。 • 📚 实时引用：每个回答都附带权威数据来源，保证透明可追溯。 • 🌍 多模态支持：不仅能 / 2025-08-31 02:20:08 / 查看 465 次

- https://github.com/badboysm890/ClaraVerse # Pull the imagedocker pull claraverse/clara-ollama:latest# Run with auto-restartdocker run -d --restart always -p 8069:8069 claraverse/clara-ollama:latestC / 2025-03-22 16:23:00 / 查看 338 次

Eko(发音像“echo”)是一个生产就绪的JavaScript框架，它使开发人员能够创建可靠的代理，从简单命令到复杂工作流程。它为在两者中运行代理提供了统一的界面计算机和浏览器环境. / 2025-03-21 20:12:45 / 查看 313 次

Suna 是一个完全开源的通用 AI 助手，能像真人助手一样理解你的需求，并代替你执行实际任务。它通过自然语言对话与你交流，帮助你完成从数据分析、文件处理、网页抓取到网站部署、自动化工作流等各种复杂工作。无需编程，一句话就能触发自动化操作：Suna 能操作浏览器、管理文件系统、运行命令行、调用 API，甚至生成报告和爬取数据库。它是你真正的数字搭档。Suna 能做什么？示例用例 1. 市场竞争分析 / 2025-04-25 10:46:25 / 查看 296 次

Vizro 是一个开源的 低代码 Python 工具包，帮助你快速构建高质量的数据可视化应用。✨ 主要特性： • 快速开发：只需少量配置（Pydantic、JSON、YAML、Python dict），即可替代数千行代码。 • 高颜值：内置可视化设计最佳实践，无需设计或工程背景，就能搭建专业 BI 级别应用。 • 灵活性：基于 Plotly、Dash、Pydantic 等生态，开源且可扩展。 • / 2025-08-31 02:17:31 / 查看 272 次

## 智能体人工智能可观察性、监控和评估框架RagaAI Catalyst是一个综合平台，旨在加强LLM项目的管理和优化。它提供了广泛的功能，包括项目管理、数据集管理、评估管理、跟踪管理、提示管理、合成数据生成和护栏管理。这些功能使您能够有效地评估和保护您的LLM应用。 / 2025-03-21 18:39:44 / 查看 272 次

GeoAI: 人工智能驱动的地理空间数据分析📂 公共仓库：opengeos/geoai🌍 GeoAI 简介GeoAI 是一款强大的 Python 工具包，专注于 人工智能（AI）与地理空间数据分析 的融合。它为 遥感影像、LiDAR 点云、矢量数据 提供 先进的机器学习工具，支持 数据处理、分析和可视化。无论你是研究 卫星遥感、地理信息系统（GIS），还是 环境监测、城市规划，GeoAI 都能帮助 / 2025-03-26 01:48:39 / 查看 203 次

## dynamo一个数据中心规模的分布式推理服务框架NVIDIA Dynamo是一个高吞吐量、低延迟的推理框架，旨在为多节点分布式环境中的生成式人工智能和推理模型提供服务。Dynamo被设计为与推理引擎无关(支持TRT-LLM、vLLM、SGLang或其他语言),并捕获LLM特定的功能，例如:分解预填充和解码推理–最大化GPU吞吐量，并促进吞吐量和延迟之间的平衡。动态GPU调度–根据波动的需求优 / 2025-03-21 19:44:44 / 查看 201 次

DistillFlow：简化和扩展大语言模型蒸馏的开源工具包DistillFlow 是一个开源工具包，旨在简化和扩展将大型语言模型（LLMs）蒸馏成更小、更高效模型的过程。它提供了一个灵活的管道，支持多GPU的蒸馏、微调和实验，具备动态资源分配的能力，并且能够轻松集成自定义技术。什么是蒸馏？蒸馏是将大规模机器学习模型的知识迁移到小型模型的过程。在这个过程中，大型模型被称为“教师模型”，而小型模型则 / 2025-03-26 00:52:27 / 查看 190 次