wsidata：全切片图像分析的高效数据结构与 IO 工具
rendeirolab/wsidata · Efficient data structures and IO for whole slide image analysis
wsidata 是面向全切片图像（WSI）分析的 Python 库，专注提供高效的数据结构与读写（IO）能力，设计上与 LazySlide 配合使用，属于 scverse 生态，服务于数字病理和图像分析场景。
评论 · 分享第一个看法
AI 资源库 · 已整理 826 项
程序员 AI 工具与工作流
代码编写、代码审查、测试、排错、技术文档。这里汇总有来源依据的工具、Skill、工作流和开源项目。
model-ladder：为 Claude Code 与 Codex 插件按任务难度分级路由模型并验证结果
neilyonglu/model-ladder · Run each coding task on the cheapest model and effort likely to succeed, verify it with your tests, and escalate only when an attempt fails.
model-ladder 是 Claude Code 和 Codex 的插件，通过 Router、Worker、Verifier 三个环节工作：先由路由器为每个编码任务挑选成本与能力匹配的模型及 effort 等级，再由 Worker 在隔离的 Git worktree 中执行，失败时按阶梯升级到更强模型或更高 effort，最后由 Verifier 用项目测试命令校验，通过后才交付结果。它还提供用量守卫与交接文档、任务状态面板、并发运行冲突检测、可配置的 worker/verifier 技能指令等能力。安装需 Git 与 Node.js 20+，并在 Git 仓库中运行，具体模型与测试条件需自行配置。
Dossier：自托管的求职管理应用，依据个人档案生成定制简历与求职信并跟踪申请进度
AienTech/dossier · A self-hosted job search app that writes tailored resumes and cover letters from your profile.
Dossier 是一个自托管的求职管理应用，使用 TypeScript 和 Next.js 构建、以 PostgreSQL 存储数据。它把职业经历集中在一个档案中，生成基础简历；针对具体职位，读取招聘信息、展示与档案的匹配情况，并用档案中的事实起草定制简历和求职信，用户可在聊天中修改并导出 PDF。它提供求职岗位搜索与评分、创业公司职位聚合、可选的每日求职 Agent、Claude 连接器，以及可选的 Gmail 与 Google Calendar 集成，并能用看板和数据表跟踪从草稿到 offer 的全流程。AI 模型可选用 Ollama 或 LM Studio 提供的本地模型，也可选用任意 OpenAI 兼容 API、Anthropic 或 Mistral 的托管模型。
local-inference-setup：本地语言模型自包含启动器的声明式配置
RafaGonzalezDev/local-inference-setup · Declarative configuration for self-contained launchers of local language models. Includes download manifests, validation scripts, documentation, and .cmd launchers with all inference parameters materialized.
该项目以声明式配置方式管理本地语言模型推理环境的搭建：提供模型下载清单、运行时分发、完整性校验脚本、模型管理文档，以及内嵌完整推理参数的 .cmd 启动器。仓库本身不包含 GGUF 权重或运行时二进制，需通过附带的 PowerShell 安装与下载脚本获取。启动器会显式声明上下文长度、采样参数，并借助 --gpu-layers auto 与 --fit on 自动决定设备放置；服务对外暴露 Web 界面、OpenAI 兼容 API 与健康检查端点。配置面向 Windows、指定硬件（RTX 5080 16GB、64GB 内存）并锁定 llama.cpp 运行时构建版本，接口无鉴权，仅建议在可信私有网络内使用。
NeuroStack Architect：面向 LLM 多代理流水线的 Plan-Execute-Verify 编排与递归验证框架
aufamubarak/plan-execute-verify-claude-code · Best AI Coding Workflow Plugin Pipeline 2026
NeuroStack Architect 是一个以 Plan-Execute-Verify 三阶段为核心的 LLM 编排框架，将计划拆解、受控执行与递归验证组织为带钩子注入点的流水线，用于构建多步骤、多模型、多代理工作流。项目强调验证契约、状态快照、漂移检测、插件化扩展与多语言语义校验，并声称支持执行步骤快照与钩子热替换。README 显示项目为 Beta 版本，主要面向 AI 应用开发者、研究工程师与产品团队。实际部署方式、运行环境要求和依赖条件未说明。
Ruzivo AI：面向绍纳语的多模态对话智能系统
recallmabika/ruzivoAI · Ruzivo AI: An end-to-end multimodal conversational intelligence system for ChiShona, featuring parameter-efficient fine-tuning (QLoRA), dense vector retrieval-augmented generation (RAG), and a cross-platform mobile/web client.
Ruzivo AI 是面向津巴布韦绍纳语（ChiShona）的端到端多模态对话系统，采用 QLoRA 参数高效微调低秩适配器、基于教材语料的稠密向量检索增强生成（RAG）以及绍纳语词汇校验与输入防护，并提供 React Native/Expo 移动端与响应式网页客户端。项目还包含基于 FLEURS 绍纳语语音语料的语音识别与合成能力，以及 FastAPI 后端服务和 SQLite 用户认证。
agent-prompt-rules-system：面向个人开发者的 Claude Code 配置、场景技能与工具接入管理
lamxy/agent-prompt-rules-system · 面向个人开发者的 Claude Code 配置与技能管理工具：精简的用户级配置，PRD / 前端 / 后端 / DevOps 四个场景的开箱即用场景包（settings、CLAUDE.md、MCP、agents），开源工具的幂等安装支持包，并可同步到 Codex。
该仓库是一套面向个人开发者的 Agent 配置与技能管理工具，以 Claude Code 为主并兼顾 Codex。它提供精简的用户级配置、PRD/前端/后端/DevOps 四个场景的 settings、CLAUDE.md、.mcp.json、agents 与 skills 场景包，开源库本地化支持包的幂等安装脚本，并能把个人差异规则同步到 Codex。项目定位已从早期分层提示词规则系统转型为配置同步与技能管理，原规则系统归档保留；配置中带有作者本机环境假设，直接使用前需阅读对应 README。
MemKernel：为 AI 编程助手提供代码感知的分层持久记忆
gosha70/memkernel · Code-aware, tiered memory for AI coding copilots: MCP server + Python library (ChromaDB, hybrid search, consolidation, LLM-wiki bridge)
MemKernel 是一个面向 AI 编程助手的代码感知记忆服务，以 MCP 服务器和 Python 库形式提供。它把项目决策、约定、事实、流程和代码快照存入本地 ChromaDB 向量库，让 Claude Code 等兼容 MCP 的助手在上下文压缩或会话结束后仍能按需检索。项目通过 tree-sitter AST 按函数和类边界切分代码，结合稠密向量与 BM25 混合检索，并用工作、短期、长期三层记忆及淘汰、提升、取代和代码快照重新校验机制管理知识的生命周期；长期知识还可经 wiki 桥导出为可纳入 Git 版本管理的人类可读文档。
Wevir：面向 AI 编程 Agent 的本地优先桌面工作台
marvinli001/wevir · One local-first desktop workspace for every AI coding agent — Codex, Claude, OpenCode and your own models.
Wevir 是一个本地优先的开源桌面工作台，为 AI 编程 Agent 提供统一操作界面。它内置本地运行的 Codex Agent 运行时，并通过网关把请求转换到 OpenAI、Anthropic、Google、DeepSeek、Ollama 及任意 OpenAI 兼容端点，支持在同一会话内切换模型或提供商。桌面端还提供会话时间线、审批与检查点、逐轮 diff 变更审查、文件浏览编辑、内置浏览器、MCP/Skills 插件，以及可被 CLI 共享的本地 Host。项目当前处于预览阶段，订阅来源多为 Beta。
rfauto：RF/微波设计自动化与 LLM 编排框架
geer1895/rfauto · RF/microwave design automation + LLM orchestration: 16 EM/EDA engines behind one interface, 75 parameterized template families, 340 deterministic calculators, 87 calibration anchors; AI agents drive everything via MCP (157 tools) — physics numbers come only from deterministic kernels, never from the LLM. 28000+ unit tests, GPL-3.0
rfauto 将 RF/微波设计流程中描述器件、参数化建模、调用求解器、质量门禁判定和尺寸优化等环节整合为一条可复现的自动化闭环。项目提供 75 个参数化器件模板、340 个确定性计算器、87 个校准锚点，并通过统一的适配层接入 HFSS、ADS、openEMS、COMSOL 等 16 个 EM/EDA 引擎通道。核心约定是物理数值只能由确定性内核或求解器产生，LLM 仅负责编排与解释。AI 助手可通过 MCP（157 个工具、10 个资源）驱动整个框架；项目还提供本地审阅工作台、运行数据湖、远程执行和批量任务能力。
PaperLab：本地优先的科研 PDF 阅读与笔记工具，AI 回答可引用原文段落
khannoussi-malek/PaperLab · Local-first PDF reader for researchers: notes anchored to the page, AI answers that cite it. Runs offline with Ollama.
PaperLab 是一款面向研究者的本地优先 PDF 阅读工具：可导入论文建立库，在页面内高亮并绑定笔记，围绕单篇论文或工作区提问，AI 回答会标注引用段落并可与用户笔记分开标记。它支持本地 Ollama 模型以及 Anthropic、OpenAI 兼容服务，还提供图谱式文献关联、参考文献跟进、数据表格捕获与图表对比，并可作为 MCP 服务供 Claude Desktop 等客户端检索论文与保存笔记。
Self-Sealing Revisions：检验智能体自我修订是否会封闭自身可证伪性的实证研究
amandachan-ai/self-sealing-revisions · An empirical study of how an agent's self-authored revisions constrain its own future evidence — hypothesis revision, falsifiability, and long-horizon recoverability. Deterministic harness, 22 offline tests, negative result, checkable in one second.
该项目是一个关于智能体自我改进的实证研究仓库：作者提出“自我封闭式修订”假设，认为智能体失败后写下的经验教训越宽泛，就越会屏蔽可用于证伪该教训的未来证据；并在确定性、无 LLM 参与的文档检索环境中设计对照实验（natural 臂与 broad 臂，各 30 个 episode）进行检验。结果显示，智能体只在遵守禁令不付出代价时才遵守，在遵守会损失答案时便违背禁令，因此能力损失为 0，禁令随时间衰减，最终不支持该假设。仓库包含确定性环境、智能体循环与经验存储、离线核验脚本、22 个离线测试、运行日志和实验分析脚本；verify_offline.py 可在一秒左右、无需依赖和凭证的情况下，从已提交日志重算 README 中的关键数字。
ia-local-integracion：本地 AI 与 LLM 助手设计及 Google Workspace 集成教程
juliopez/ia-local-integracion · Guía teórico-práctica sobre Inteligencia Artificial Local, diseño de asistentes con LLM e integración con Ollama, Open WebUI, Python y Google Workspace.
这是一个西班牙语理论与实务教程仓库，围绕本地运行大语言模型展开，内容包括 Ollama 与 Open WebUI 的安装配置、System Prompt 助手设计、测试用例验证、Python 与 Google Apps Script 桥接，以及与 Google Forms、Sheets、Gmail 的自动化集成。它提供五卷教材、六个实验室以及五节十小时的学习路线，并讨论隐私、风险与负责任使用等议题。
WorkForge：让 ChatGPT 安全访问本地工作站的 MCP 服务器
NotNull92/workforge-mcp · WorkForge is a Windows MCP gateway that lets ChatGPT inspect files, resume Git work, make SHA-guarded edits, read images, and run supervised PowerShell jobs.
WorkForge 是一个面向 Windows（并提供 macOS 源码预览）的通用工作站 MCP 服务器，将 ChatGPT 连接到本地文件、有界搜索、基于 SHA-256 校验保护的编辑、图像读取和受监督的 PowerShell 作业。它支持任务检查点和执行记录，便于恢复工作；安装 Git 后还可查看分支、提交和工作区变更。项目以 Windows 便携版发布，需在 Setup 中配置 OpenAI Platform Tunnel ID 与 Runtime API Key 并在 ChatGPT 中手动授权，启动与隧道需手动运行。
投资词典：中文投资术语科普词典与金融词条生成 Skill
lj22503/invest-dictionary · 投资词典 · Invest Dictionary | 213 个投资术语，说人话，不装逼 | 中文金融术语表 / Chinese investment dictionary & financial glossary | 含金融词条生成 Skill | Mangofolio 系列
面向普通读者的中文投资术语词典站点，用通俗语言解释投资概念，每个词条包含一句话定义、场景说明、使用方法和常见误区，覆盖货币、股票、基金、债券、保险、房产、宏观等 22 个篇章，并提供全文搜索与 SEO 结构化数据。仓库同时附带一个可复用的 Agent Skill，用于按统一方法论生成新的金融词条，并支持通过 Issue 或 PR 贡献词条。
local-rag-agent：面向闭域环境的带权限过滤与依据引用本地文档检索 RAG 原型
Maaa2005/local-rag-agent · 閉域環境向けのローカル文書検索RAGプロトタイプ。権限プレフィルタ、Excel正規化、Qdrantハイブリッド検索、根拠付き回答を検証。汎用業務AI・回答保証を目的としない（vLLM / FastAPI）
该项目是一个面向闭域环境的本地文档检索 RAG 原型，可将机密文档保留在内部网络中进行处理。项目涵盖本地文档导入、Excel 规范化、基于 access_level 的权限预过滤、Qdrant 混合检索以及附检索依据的回答生成，后端采用 FastAPI，推理采用 vLLM 与量化开源模型。作者在小型数据集上的检索与权限过滤验证效果良好，但明确指出最终回答存在数值判断错误，定位为课程演示可用、生产不可用，不保证回答正确性，也未覆盖大规范语料。
CodeAware Studio：AI 编程代理的会话观测与检索自评测
makoy-daniot2001/agent-session-mirror · Best AI Coding Agent Observability Tool 2026 - Self-Bench & Semantic Search
该项目是面向 AI 编程代理的会话观测与分析层，用于记录代理的搜索会话与检索路径，并基于历史数据对检索环节进行自评测：它结合 BM25 关键词检索与语义检索，做混合召回，再用 cross-encoder 重排结果，并提供响应式仪表盘展示检索指标。项目还支持调用 OpenAI、Claude 兼容的 API 为检索流程生成查询变体，并做压力评测。README 说明它只优化检索相关性，不承担代码安全审计职责；本卡片未实际安装或验证该项目。
AcademicFlow-Agent：基于 LangGraph 与 Ollama 的学术活动协同规划智能体
Pedrosasouza/AcademicFlow-Agent · Agente autônomo com LangGraph/ReAct para gestão acadêmica — Ollama + Llama 3.2
基于 ReAct 模式与 LangGraph 构建的协同智能体，用于学术活动（课程周、研讨会、工作坊）的规划管理。它可依据对话自动调用六类工具，登记任务与决策、更新活动规划文档章节、汇总项目看板，并通过 PostgreSQL 与 pgvector 对校内规章和公告进行语义检索。系统提供 Streamlit 网页界面与命令行界面，支持按活动或房间隔离数据，并以本地 Ollama 模型（llama3.2 与 nomic-embed-text）驱动对话与向量检索。
llama.cpp：面向多种硬件的本地 LLM 与 VLM C/C++ 推理引擎
ggml-org/llama.cpp · LLM inference in C/C++
llama.cpp 是用 C/C++ 实现的 LLM（并支持 VLM）推理项目，目标是在尽量少的配置下，于本地或云端多种硬件上获得高性能推理。它基于 ggml 库，支持 Apple Silicon、x86、RISC-V，以及 CUDA、HIP、MUSA、Vulkan、SYCL 等多种后端，并提供 1.5 位到 8 位的整数量化、CPU+GPU 混合推理、命令行工具 llama cli、兼容 OpenAI 接口的 llama serve 服务以及内置 Web UI。
big-data-ai：用自然语言查询 Iceberg 数据湖的演示应用
prpatel/big-data-ai · Big Data and AI demo project for experimentation and rapid prototyping
这是一个基于 Spring Boot 的实验性演示项目，结合 Apache Iceberg、Apache Spark 与 Spring AI，将用户的自然语言问题转换成 Spark SQL，并在 Iceberg 数据湖（以英国房产交易数据为例）上执行查询。项目包含 Hugging Face Spaces 的 Docker 单容器部署方式与本地 compose 多容器方式，并提供 Admin 页面用于下载 CSV 数据、加载到 Iceberg 表以及清理数据。项目明确标注不适用于生产环境，主要用于实验、快速原型与工作坊教学。