跳到正文
10月11日周日
  1. GitHub38

    NioAI:Rust 编写的超轻量终端 AI 编程智能体

    NioAI 是一款用 Rust 编写、零运行时依赖、启动低于 10ms 的开源(MIT)终端 AI 编程智能体,支持 npx 零安装运行或预编译原生二进制安装。它提供 Ask/Plan/Build 三种模式、通用模型发现、GitHub 技能与插件扩展,并支持内联 CLI 与全屏 TUI 双界面,默认接入 Kilo Gateway 免费模型回退。

  2. Hacker News22

    GSD Task Manager:为 AI 智能体提供任务清单的 MCP server

    GSD Task Manager 发布 v11 版本,是一个隐私优先的艾森豪威尔矩阵任务管理应用,并附带独立安装的 MCP server,提供 19 个任务、分析与诊断工具,支持校验和 dry-run 写入。应用默认仅本地存储,任务保存在浏览器 IndexedDB 中,云端 PocketBase 同步为可选项,支持 Google、Apple 或 GitHub OAuth。

  3. GitHub38

    Ardor:能记住求职目标的 AI 职业智能体 v0.5.0 自托管预览版发布

    Ardor 是一款可自托管的 AI 职业智能体,v0.5.0 预览版现已发布,Windows 用户可从公开桌面版本下载安装包。它通过可见、可编辑的长期记忆串联简历分析、文字与实时语音面试练习、面试复盘、闪卡学习和日历计划,数据保留在用户自己的部署环境中。当前安装包未签名,技术文档暂为中文。

  4. GitHub22

    玩转微调:预训练 Transformer 适配动手实验室

    GitHub 项目 playing-with-finetuning 提供一套预训练 Transformer 微调实验仓库,覆盖全量微调、LoRA 类参数高效微调、指令微调与提示词适配等多种范式。仓库包含按任务分类的 notebook、多语言数据集、可复现实验配置,以及偏见与数据来源等伦理讨论,面向从入门到自定义训练循环的学习者。

  5. GitHub48

    Agentxx:C++ 协程异步 AI Agent 开源项目

    Agentxx 是一个用 C++ 协程异步实现的 AI Agent,可编译为单程序或动态库直接启动,摆脱 Python、JS 等依赖,实测最长单轮任务自动运行超 8 小时。它支持 Windows/Linux/Android/macOS 四个系统,内置文件读写、命令执行、codegraph、RAG 检索等插件,并可通过 FFI 嵌入 App 扩展 Agent 功能。

  6. GitHub18

    Nebula:WhatsApp 上的动漫下载与 AI 助手机器人

    Nebula 是一个部署在 WhatsApp 上的多设备机器人,默认以法语配音(VF)下载动漫剧集,单集约 90 MB,支持 1-12 集批量处理并生成离线 HTML 下载页。它集成 Gemini AI 提供聊天、图像生成、语音对话等功能,并以 NVIDIA NIM 上的 meta/llama-3.3-70b-instruct 作为故障回退,单个部署最多可运行 8 个机器人。

  7. GitHub18

    Sentinel Observatory:Alan Vo 的确定性 AI/ML 演示文稿生成工具

    Alan Vo 发布 Sentinel Observatory 1.0.0,通过确定性离线 AI/ML 工作流将文档或主题转换为原生 PowerPoint 演示文稿。该工具用 TF-IDF 关键词提取、Flesch-Kincaid 可读性、MECE 结构对齐等五项指标对每页幻灯片做认知负荷评分,并交叉校验数字声明与源数据,可选 LLM 层仅提供标注为非权威的说明。

  8. GitHub22

    claude-skills-hub:178+ Claude Code 技能集合

    claude-skills-hub 将 178+ 个 Claude Code 自定义斜杠命令集中到一个仓库,按 16 个类别分组,用户可从 Releases 页面下载后在 Claude Code 中加载使用。技能覆盖写作、编码、调试、代码审查、规划、研究、自动化、提示词等常见任务,面向 Windows 10/11 用户,无需开发者背景。

  9. GitHub22

    GhostLM:从零用 PyTorch 手写的开源通用语言模型

    GhostLM 是一个完全从零用 PyTorch 手写、无预训练权重和封装的开源通用语言模型,以网络安全为最深专长,同时覆盖通用知识、代码与数学推理。其 v1.0 预训练语料含 768,741 条训练、40,429 条验证记录(约 422M tokens),代码占比 11.6%,安全类文本约占 65%,训练目标为约 360M 参数的 ghost-base。