工具
Sahil170595/Chimeraforge · PyPI capacity-planning CLI for LLM deployment. pip install chimeraforge.
Chimeraforge 是一个本地优先、模型无关的 LLM 部署规划器，以 Python CLI 形式提供。用户可输入模型规模、HF 仓库或 Ollama 标签，以及 GPU 硬件与请求速率，工具会在（模型 × 量化 × 后端 × GPU 数量 × 并行策略）空间中搜索，并在 VRAM、质量、延迟、成本、能耗等门控约束下返回满足 SLO 的最便宜配置。每个数值都标注为 measured、extrapolated、derived、estimated 或 unknown 的来源，无需联网即可对本地注册表和目录进行规划。项目还提供 workload 流量画像、markdown 决策简报、MCP 服务器供 Claude/GPT/Cursor 调用，以及 suggest、measure、bench、safety 等共 25 个子命令。
展开详情收起详情：Chimeraforge：LLM 部署容量规划命令行工具⌄
程序员程序员可用该 CLI 规划 LLM 部署：输入模型规模、HF 仓库或 Ollama 标签及 GPU 硬件与请求速率，在 VRAM、质量、延迟、成本、能耗等约束下搜索最便宜的满足 SLO 的配置；也可通过 MCP 服务器让 Claude/GPT/Cursor 调用规划器获取部署参数与启动命令。
★ 2 · 可直接使用的工具
原文发布：未知收录：2026-10-19
工具
jessechumo/Wera · A smart job radar that scores roles against a user's resume
Wera 是一个自托管求职工具，从 Greenhouse、Lever、Ashby、Workday 等公开招聘接口抓取 570 多家公司的职位，按用户配置的规则过滤，本地用 TF-IDF 初步排序，再由 Coral Bricks 上的 LLM 结合用户简历计算匹配分数并给出理由。项目还提供简历编辑与多模板渲染、求职信生成、面试练习、H-1B 签证赞助数据查询以及 Chrome 扩展接口；不代替用户投递。
展开详情收起详情：Wera：自托管的求职职位雷达，用 LLM 按简历为职位打分⌄
HR招聘人员可自托管该工具，从 Greenhouse、Lever、Ashby、Workday 等公开招聘接口抓取 570 多家公司的职位，按角色族、资历、地点和签证赞助规则过滤，并用 LLM 结合候选人简历为职位计算匹配分数、给出理由及匹配/缺失技能，辅助筛选候选人匹配的岗位。
★ 4 · 可直接使用的工具
原文发布：未知收录：2026-10-18
工具
amitkrrr/JobPilot-AI · AI-powered job application platform that analyzes job descriptions, matches them with your resume, identifies keyword gaps, optimizes resumes, discovers relevant opportunities, and assists with personalized job applications and recruiter outreach
JobPilot AI 是一个基于 Java 的 AI 求职申请平台，可分析职位描述并与简历匹配、识别关键词差距、优化简历、发现相关职位，并协助个性化申请与招聘人员沟通。README 说明其通过 Adzuna 和 Jooble 两个实时职位 API 在 AI 对话中展示在线职位列表，并提供了本地开发与生产环境所需 API 密钥的配置方式。
展开详情收起详情：JobPilot AI：AI 求职申请与简历匹配平台⌄
HR在招聘工作中，利用该平台分析职位描述并与简历匹配、识别关键词差距，辅助筛选候选人和优化招聘文案。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-18
工具
Atomic-Germ/OpenFlowLM-Next · Active and open development fork of FastFlowLM.
OpenFlowLM 是 FastFlowLM 的社区分支，用本仓库内从源码构建的开源 AIE 内核替代原项目的闭源 NPU 内核，面向搭载 XDNA2 NPU 的 AMD Ryzen AI 系列芯片提供 NPU 优先的推理运行时，可运行 LLM、嵌入模型和 MoE 模型，无需 GPU。项目提供单命令 CLI（run、serve、list、bench），支持 OpenAI 兼容 API，并用 GGUF 与 Q4_K 容器格式加载权重。开源内核覆盖 Qwen3.6-MoE、Qwen3.5、Qwen3、Qwen2.5、Llama 3、Gemma 3、Phi-3/4、LFM2、HunYuan、Granite 等模型族，另通过 src/open_npue 提供第二个嵌入后端。视觉、音频以及 Gemma 4、GPT-OSS、Whisper 等尚无开源内核设计，仍调用上游闭源引擎二进制。
展开详情收起详情：OpenFlowLM：面向 Ryzen AI NPU 的开源 NPU 内核 LLM 推理运行时⌄
程序员在搭载 XDNA2 NPU 的 AMD Ryzen AI 设备上本地运行 LLM、嵌入模型和 MoE 模型，并通过 OpenAI 兼容 API 或 CLI（run、serve、list、bench）接入开发与测试流程，无需 GPU。
★ 35 · 可直接使用的工具
原文发布：未知收录：2026-10-18
工具
vancevo/MatchCV · AI recruitment dashboard with multi-CV extraction and explainable screening
MatchCV（TalentFlow）是一个面向招聘人员的 AI 招聘工作台，支持创建职位并抽取要求、批量上传最多 50 份 PDF/DOCX/TXT 简历、进行带证据的匹配评分与排序、审批候选名单、安排面试以及汇总面试反馈。项目强调决策支持：AI 提供数据与建议，由招聘人员审批标准和最终决定。系统包含 Next.js 仪表盘、FastAPI 后端、RQ 异步任务、OpenRouter 模型调用、规则回退、BGE-M3 语义搜索、pgvector 检索、多租户 RBAC、审计与运营监控等能力，但多处集成仍处于离线测试或待真实租户验收阶段。
展开详情收起详情：MatchCV：可解释的多简历筛选与招聘流程支持工具⌄
HR招聘人员可用该工具创建职位并从 JD 抽取技能与经验要求，批量上传最多 50 份 PDF/DOCX/TXT 简历，获得带证据的匹配评分与排序，审批候选名单，安排面试并汇总带来源的面试反馈；AI 仅提供数据与建议，由招聘人员审批标准和最终决定。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-18
工具
heyemlee/ai-helpdesk
AI Helpdesk 是一个基于 FastAPI 的多智能体客服服务：路由器对问题意图进行投票，工具并发执行，三个领域专家智能体在需要时并行作答，并通过有界工具循环补查缺失信息；数据类问题经 A2A 或 HTTP 委派给独立的 SQL 智能体，由其规划、编写、执行并修复查询。系统在发送前逐句校验回答，替换无依据的价格或日期承诺，低置信度时转人工开票，并在 React 控制台中实时展示各智能体的决策过程。项目附带检索纠错循环、Redis 工作记忆、双入口部署和 OpenTelemetry 可观测方案，并提供评测记录。
展开详情收起详情：AI Helpdesk：多智能体客服支持系统，含路由分派、SQL 智能体委派与逐句校验⌄
程序员作为多智能体客服系统的参考实现，程序员可研究其 FastAPI 服务架构、路由投票、A2A 委派、有界工具循环、逐句校验与 OpenTelemetry 可观测方案，并参考其 pytest、A2A 契约测试和评测记录进行开发与测试。
★ 0 · 开发框架
原文发布：未知收录：2026-10-18
工具
mize1978/codelens-ai · AI-powered code review that turns feedback into a learning experience.
CodeLensAI 是一个面向 GitHub 仓库的 AI 代码审查与“仓库智能”平台。用户粘贴 GitHub URL 后，系统在实时工作区中读取关键文件并流式输出 Read → Understand → Remember 分析流程，给出质量、安全、可维护性等维度的评分及其原因；每次审查会写入该仓库的“记忆”中，形成按时间排序的审查历史、案例研究与知识档案，让理解随多次复查而累积。技术栈为 Laravel/PHP、Blade + Tailwind CSS、PostgreSQL、Anthropic Claude API、异步队列与 Docker，并提供 Docker Compose 启动方式。
展开详情收起详情：CodeLensAI：把代码审查反馈转化为可积累学习记录的仓库智能平台⌄
程序员粘贴 GitHub 仓库 URL 后，由 AI 读取关键文件并流式输出 Read → Understand → Remember 分析，给出质量、安全、可维护性等维度的评分及原因，用于代码审查；每次审查写入仓库记忆，形成按时间排序的审查历史与案例研究，便于跟踪多次修复后的变化。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-18
工具
Tharun4743/CampusConnect · 🎓 Automated Campus Placement & Recruitment Ecosystem with real-time WebSockets, Gemini AI resume screening, and multi-channel hiring pipelines.
CampusConnect 是一个基于 React 19、Express、Socket.IO 与 Supabase（PostgreSQL）的校园招聘与校企招聘协作平台，区分学生、TPO、企业 HR 与管理员四类角色。它支持企业发布带 CGPA、院系与挂科数门槛的岗位并自动筛选候选人，学生上传云端简历保险库，借助 Google Gemini 对简历与岗位描述做语义匹配并给出差距建议，并通过 WebSocket 实时推送申请状态（投递、入围、面试、录用、拒绝）和邮件通知。
展开详情收起详情：CampusConnect：面向校园招聘与校企招聘流程的自动化平台⌄
HR企业 HR 可在平台发布带 CGPA、院系与挂科数门槛的校园招聘岗位，系统自动筛选候选人；借助 Google Gemini 对简历与岗位描述做语义匹配并给出差距建议，同时通过 WebSocket 与邮件实时推送投递、入围、面试、录用、拒绝等申请状态。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-18
工具
PineCookie/LoRA-Forge · Web UI for training LoRAs on Anima, Krea 2, MOSS-Image, SDXL, FLUX, SD3.5 and SD1.5. Tuned for speed: per-block torch.compile, flash-attn, fp16 accumulation and a batched ProdigyPlus step (1.5-2x faster adds up!). Built on kohya-ss sd-scripts and musubi-tuner, with its own MOSS-Image trainer.
LoRA Forge 是一个通过浏览器表单启动 LoRA 训练的 Web UI，支持 Anima、Krea 2、MOSS-Image、SDXL、FLUX、SD3.5 和 SD1.5，并为 SDXL 与 SD1.5 提供 Dreambooth 全量微调。底层调用 kohya-ss/sd-scripts、musubi-tuner 以及自研的 MOSS-Image 训练器，自动准备 Python、PyTorch 和训练环境。项目提供 Essentials 简化表单、配置导入导出、Runs 页面进度与 loss 曲线、样本图和控制台输出，并通过 torch.compile、flash-attn、fp16 累加和批量化 ProdigyPlus 步骤提升训练速度。
展开详情收起详情：LoRA Forge：用于训练 Anima、SDXL、FLUX 等模型 LoRA 的 Web UI⌄
程序员作为本地 Web UI 工具，用于在浏览器表单中配置并启动 SDXL、FLUX、SD1.5 等模型的 LoRA 训练，查看训练进度、loss 曲线、样本图和控制台输出，便于开发者进行图像模型微调实验。
★ 3 · 可直接使用的工具
原文发布：未知收录：2026-10-18
工具
mrNLK/SourceKit · AI-powered GitHub talent sourcing for technical recruiting. Find engineers by their open-source contributions, not just their resumes.
SourceKit 是一套面向技术招聘的 AI 人才寻源应用。它可以根据职位描述生成寻源策略，检索并评分匹配的 GitHub 贡献者，挖掘低曝光但高质量的工程师，再通过 Exa 查找 LinkedIn 资料和联系方式；同时提供看板式候选人流程管理和 AI 个性化外联文案，并内置一个面向商务拓展的 SellKit 工作流。项目基于 React、Supabase 和 Vercel 构建，AI 能力调用 Anthropic Claude。
展开详情收起详情：SourceKit：基于 GitHub 开源贡献的 AI 技术人才寻源与招聘管理工具⌄
HR技术招聘人员可粘贴职位描述，由 AI 生成寻源策略，检索并评分匹配的 GitHub 贡献者，挖掘低曝光高质量工程师，通过 Exa 查找 LinkedIn 资料和联系方式，并用看板跟踪候选人流程、生成个性化外联文案。
★ 2 · 可直接使用的工具
原文发布：未知收录：2026-10-18
工具
246Sudankhanal/ai-code-reviewer · Automated AI-powered code review platform built with Next.js 16, TypeScript, Prisma, and Inngest to analyze GitHub PRs via vector embeddings and LLMs.
这是一个基于 GitHub App 的自动化代码审查平台：用户通过 GitHub OAuth 登录并安装应用后，系统在 PR 提交时由 Inngest 后台调度任务，使用 OpenRouter 上的大模型生成行内评论与总结，并由第二个模型判断该评论是否值得发布；可选通过 Pinecone 建立仓库向量索引，使评论能够引用相关代码而非仅限 diff 内容。附带仪表盘用于管理已连接仓库、PR 状态与 Stripe 订阅计费。
展开详情收起详情：aiprreviewer：面向 GitHub PR 的 AI 自动化代码审查平台⌄
程序员在 GitHub 上对 Pull Request 进行自动化代码审查：安装 GitHub App 后，PR 提交时由 Inngest 后台调度，使用 OpenRouter 上的大模型生成行内评论与总结，并由第二个模型判断评论是否值得发布；可选通过 Pinecone 建立仓库向量索引，使评论能够引用相关代码而非仅限 diff 内容。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-17
工具
hellcworld/FreeToken · Fork of FlashML-org/FreeToken: + Qwen3.8-27B NVFP4 (both dialects) & Qwen3.5/3.6/3.8 vision input
FreeToken 是一个边缘原生 MoE 推理服务引擎，目标是在个人与消费级硬件上运行前沿规模的开源权重 MoE 模型，把 GPU、CPU、主机内存和互联带宽视为统一的弹性推理平台。上游能力包括带宽自适应的 CPU–GPU 协同执行、全层双缓冲 prefill 流式加载、全局 LRU 专家缓存、FTW 快速权重格式、语义锚点检查点缓存、运行时显存动态重分配，以及 OpenAI/Anthropic 兼容 API。该仓库是个人 fork，在上游 main@2757bb5 基础上新增 Qwen3.8-27B NVFP4（modelopt 与 compressed-tensors 两种量化方言）支持、Qwen3.5/3.6/3.8 视觉输入（离线与在线，含 OpenAI image_url 与 Anthropic image 块）、FP8 KV 缓存、MTP 投机解码，以及单卡 LLM 与 ComfyUI 分时共用的 GPU 网关脚本。
展开详情收起详情：FreeToken（Qwen3.8 视觉分支）：面向消费级硬件的边缘原生 MoE 推理部署引擎⌄
程序员在个人或消费级硬件上本地部署并运行前沿规模的开源 MoE 模型，通过 OpenAI/Anthropic 兼容 API 接入编码与工具调用类 Agent（如 Codex、Claude Code、OpenCode 等），用于代码编写、测试与排错等开发工作；也可用其视觉输入能力处理带图片的请求。
★ 2 · 开发框架
原文发布：未知收录：2026-10-17
工具
negativexq/knowledge-base-rag · Production-style multilingual RAG with tenant-safe retrieval, evidence provenance, deterministic validation, observability, and reproducible evaluation.
该项目是一个生产风格的多语言 RAG 平台，覆盖混合检索（Qdrant 稠密+BM25、RRF 融合、BGE 重排序）、租户与角色授权边界、SectionAware 证据构建、请求级 support ID 与引用校验、Architecture V2 发生账本式关键值一致性校验、OpenTelemetry/Jaeger 可观测性以及可复现的离线评测与失败归因。README 提供本地运行的 Quickstart，并强调其定位为 portfolio 系统而非生产服务声明。
展开详情收起详情：Knowledge Base RAG：面向多租户的多语言检索增强生成平台⌄
程序员作为本地优先的多语言 RAG 工程参考系统，程序员可参考其混合检索（Qdrant 稠密+BM25、RRF 融合、BGE 重排序）、租户与角色授权边界、SectionAware 证据构建、support ID 与引用校验、Architecture V2 发生账本式关键值一致性校验、OpenTelemetry/Jaeger 可观测性以及可复现离线评测与失败归因的实现，用于构建或审查 RAG 应用的检索、验证与可观测性代码。
★ 1 · 可直接使用的工具
原文发布：未知收录：2026-10-17
工具
elementmerc/senbonzakura · The world's top open-weight AI model workshop. Measure, uncensor and audit: refusal removal for transformer language models, with the instruments to measure what the edit cost.
Senbonzakura 是一套 Python 工具，用于对开源权重 Transformer 语言模型执行 abliteration（项目称为 uncensoring）：移除模型原有的拒绝回答行为，并用带区间与对照的测量工具评估该编辑造成的代价，包括拒绝是否真正消失、模型是否仍能识别有害内容、推理能力是否下降以及首 token 分布漂移。仓库提供 compass、score、drift、capability、validate、check、report 等命令，并附带约 6200 条有害提示的评测轨道以便离线运行。README 明确说明该编辑会永久写入权重，且生成模型仍受基础模型许可证约束。
展开详情收起详情：Senbonzakura：对开源权重语言模型进行去审查编辑并量化其代价⌄
程序员作为 Python 工具，用于对开源权重 Transformer 语言模型执行 abliteration（去审查编辑），并通过 compass、score、drift、capability、validate、check、report 等命令测量编辑代价，包括拒绝行为是否消失、模型是否仍能识别有害内容、推理能力是否下降以及首 token 分布漂移。
★ 10 · 可直接使用的工具
原文发布：未知收录：2026-10-17
工具
AcadifySolution/fine-tuning-pipeline · PyTorch LLM fine-tuning pipeline with LoRA/QLoRA training, chat dataset preparation, and Accelerate, DeepSpeed, and SageMaker configuration examples.
该项目是一个面向生产场景的因果语言模型监督微调（SFT）流水线，基于 Hugging Face Transformers、PEFT 与 Accelerate 构建，支持 LoRA/QLoRA、assistant-only 损失掩码、单卡与多卡训练以及可选 DeepSpeed ZeRO-3。数据侧提供 JSON/JSONL/HF 数据集的规范化、schema 过滤与确定性切分，训练侧通过种子控制与每次运行的 run_manifest.json 提升可复现性，并输出安全序列化的模型检查点与 LoRA 合并脚本。仓库还包含 AWS SageMaker/Terraform 部署脚手架示例，以及 Ruff、Black、配置校验、测试、CodeQL 与 Terraform 校验等工程质量检查。
展开详情收起详情：fine-tuning-pipeline：基于 PyTorch 的 LLM LoRA/QLoRA 监督微调流水线⌄
程序员作为程序员，可使用该流水线对因果语言模型进行 LoRA/QLoRA 监督微调，包括数据规范化、schema 过滤、确定性切分、单卡/多卡训练、DeepSpeed ZeRO-3 配置，以及合并 LoRA 适配器；还可通过 run_manifest.json 提升训练可复现性，并利用 Ruff、Black、pytest、CodeQL 等工程质量检查。
★ 0 · 开发框架
原文发布：未知收录：2026-10-17
工具
driftsys/upskill · Upskill your coding agents — ultra-lightweight agent skills package manager
upskill 是一个 ultra-lightweight 的 agent 技能包管理器，用单个 Rust 二进制在 Claude Code、GitHub Copilot、opencode 等 AI 编程客户端之间，从单一可信来源（SSOT）编写与分发 AI 辅助内容（rules、skills、agents）。它无需 Node.js、npm 或运行时依赖，支持从源仓库或 bundle 安装内容并自动展开到 .claude/、.github/、.agents/ 等目录，通过 .upskill-lock.json 记录安装版本与哈希，并提供 update、list、doctor、new、lint、fmt、search 等命令。项目区分源注册表（作者命令）与消费项目（消费命令）两种角色。
展开详情收起详情：upskill：用单个 Rust 二进制管理 AI 编程助手的 rules、skills 与 agents⌄
程序员在消费项目中通过 upskill add 从源仓库或 bundle 安装 AI 编程助手的 rules、skills 和 agents，自动展开到 .claude/、.github/、.agents/ 等目录，并用 update、list、doctor 管理已安装内容；在源注册表仓库中用 new、lint、fmt 编写和校验这些 AI 辅助内容。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-17
工具
langchain-ai/agentevals · Readymade evaluators for agent trajectories
AgentEvals 提供一组用于评估智能体（Agent）执行表现的评估器与工具，重点关注 agent trajectory，即智能体运行过程中的中间步骤。它既可以基于参考轨迹进行匹配判定，也支持以 LLM 作为评判者（LLM-as-judge）来评估轨迹准确性，并包含针对图结构轨迹的评测方式，可作为构建智能体评测体系的概念起点。同时提供 Python 与 TypeScript 版本。
展开详情收起详情：AgentEvals：面向智能体轨迹的评估器集合⌄
程序员在开发智能体（Agent）应用时，使用 AgentEvals 提供的评估器对智能体执行轨迹进行评测：可基于参考轨迹做严格/无序/子集/超集匹配，也可用 LLM-as-judge 评估轨迹准确性，并支持图结构轨迹评测，帮助程序员验证智能体中间步骤是否符合预期。
★ 751 · 开发框架
原文发布：未知收录：2026-10-17
工具
harbor-framework/harbor · Framework for evaluating and improving agents
Harbor 是由 Terminal-Bench 团队开发的框架，用于评估与优化智能体和语言模型。它支持评估 Claude Code、OpenHands、Codex CLI 等各类智能体，构建和分享自定义基准与运行环境，通过 Daytona、Modal、LangSmith、Blaxel、Novita Sandbox、Tensorlake、Runta、Sail 等提供方并行运行上千个环境开展实验，并为强化学习优化生成 rollout。Harbor 是 Terminal-Bench-2.0 的官方评测框架。
展开详情收起详情：Harbor：面向容器环境评估与优化智能体和语言模型的框架⌄
程序员程序员可用 Harbor 在容器环境中评估和优化编码智能体与语言模型，例如运行 Terminal-Bench-2.0 基准测试 Claude Code、OpenHands、Codex CLI 等智能体，并通过 Daytona、Modal 等提供方并行运行上千个环境开展实验，以及为强化学习优化生成 rollout。
★ 6185 · 开发框架
原文发布：未知收录：2026-10-17
工具
tarc/carimbo · An AI agent for Brazilian NF-e invoices: extraction, tool-using decisions, durable execution, and a measured eval suite.
carimbo 将巴西电子发票（NF-e）的 DANFE PDF 转为严格类型化的发票记录，并进一步生成可审批/拒绝/升级的判定。项目以可复现的评测套件、确定性校验器、有界修复循环、持久化执行、幂等、追踪与成本归集为支撑，公开每次真实运行的逐案例记录与汇总结果。当前已完成抽取阶段的骨架与带校验的抽取，可重放运行阶段已实现但验证待完成；智能体与持久化执行属于后续里程碑，尚未在路线图内。
展开详情收起详情：carimbo：面向巴西 NF-e 电子发票的抽取与审批决策 LLM 智能体⌄
程序员作为可复用的 LLM 智能体工程参考实现，用于构建结构化输出抽取流水线：将 PDF 文档转为严格类型化记录，并配套确定性校验器、有界修复循环、可复现评测套件、响应缓存重放、幂等与成本归集，供程序员在受监管金融场景中开发与评测文档抽取智能体。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-16
工具
S-MOHAMMAD-SYED-SAMEER/explainable-ats · Explainable applicant screening: an LLM quotes the CV, deterministic code scores and ranks, a recruiter decides
该项目将岗位要求与简历进行匹配，由大语言模型仅在抽取阶段引用简历原文，之后的匹配、评分、排序全部由确定性代码完成，招聘人员最终决定录用结果。每个判定都附带简历中被逐字校验过的引用证据，未通过校验的引用会被拒绝并记录在审计日志中，不参与评分。系统还包含基于模式匹配的敏感信息脱敏，使模型只能看到脱敏文本。项目为作品集作品，演示使用确定性模拟抽取器与虚构候选人。
展开详情收起详情：Explainable ATS：可解释的简历筛选与候选人排序系统⌄
HR招聘人员可用该系统按岗位要求（含权重和必备/加分标记）筛选简历、对候选人评分排序，并在每个判定旁查看简历中被逐字校验的引用证据；最终由招聘人员记录 shortlist、reject 或 hold 决定并填写理由，全过程留有审计记录。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-16