MarouaHattab/Wizora-AI · An Agentic AI-powered multimodal teaching assistant orchestrating LangGraph workflows for grounded Q&A, adaptive question generation, and two-stage summarization across text, audio, and video with Vision Language Models (VLMs).
Wizora-AI 是一个智能体式多模态教学助手，可处理 PDF、DOCX、TXT 文档以及音视频文件，通过本地 Whisper 做语音转写、通过视觉语言模型（VLM）理解图表与视频帧，并用 LangGraph 编排智能体工作流，实现有据可依的问答、自适应题目生成和两阶段内容摘要。系统包含人工反馈与自动反思的迭代优化循环，问答部分采用基于 ChromaDB 的 RAG 检索、证据评估与引文校验。
展开详情收起详情：Wizora-AI：基于 LangGraph 的多模态 AI 教学助手⌄
★ 0 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-11-07
penetrationbudgetdeficit204/hyper-hand · Connect AI agents to Windows Hyper-V VMs to test installers, run software, screenshot, and roll back.
hyper-hand 是一个用 Go 编写的 MCP 服务，让 Claude Code、Codex 等 MCP 客户端从 Hyper-V 宿主侧直接操作 Windows 虚拟机：截图、移动鼠标、键盘输入、执行命令、传输文件以及创建和还原检查点。它经由 Hyper-V 本身通信，虚拟机内无需联网、安装额外组件或提供密码。
展开详情收起详情：hyper-hand：让 AI Agent 通过 MCP 控制 Hyper-V Windows 虚拟机⌄
★ 1 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-11-07
kr4ckhe4d/local-llm-benchmarks · Measured llama.cpp benchmarks on AMD Radeon RDNA4 with ROCm: RX 9070 XT + Radeon AI PRO R9700 (48 GB). Qwen3.8, Gemma 4, GLM, gpt-oss; GGUF quant quality (KLD), MTP speculative decoding, 128K context, Claude Code with local models.
这是一个实测记录型仓库，汇集了在 AMD Radeon RDNA4 显卡（RX 9070 XT 与 Radeon AI PRO R9700，合计约 48.9 GB 显存）上运行 llama.cpp + ROCm 7.2 的基准数据。内容包括各模型的吞吐量、显存适配、GGUF 量化质量（与 BF16 的 KL 散度对比）、MTP 推测解码、128K 长上下文实测，以及在本地模型上运行 Claude Code、aider、Cline、Pi 等编码代理的实践记录。还附带了 ROCm 与 Vulkan 后端的对比、llama.cpp 版本升级前后的差异，以及脚本和原始日志。
展开详情收起详情：local-llm-benchmarks：AMD RDNA4 显卡上 llama.cpp 本地大模型的实测基准⌄
★ 18 · 资料合集
GitHub
原文发布：未知收录：2026-11-07
Reaobaka56/Raptor-ai · AI-powered code review and autonomous development platform built with TypeScript, React, FastAPI, PostgreSQL and LLM-based agents.
Raptor AI 是一个基于 LLM 的自主代码审查平台，可接入 GitHub 仓库并实时读取 Pull Request 差异，对代码进行语义化静态分析，检测认证与授权绕过、注入漏洞、敏感数据泄露、N+1 查询以及资源泄漏等问题，并生成行内修复建议或自动创建修复 PR。项目还提供基于 pgvector 的团队记忆层以抑制误报、带策略约束与审计日志的沙箱执行环境、支持多家供应商的 BYOK 密钥管理以及团队协作功能。技术栈为 React + TypeScript 前端、Python FastAPI 后端和 PostgreSQL/Redis，README 给出了本地运行、Render 与 AWS 部署步骤，但未提及开源许可证。
展开详情收起详情：Raptor AI：面向 GitHub 仓库的 AI 代码审查与自动修复 PR 平台⌄
★ 1 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-11-07
mcp-tool-shop-org/style-dataset-lab · Visual canon and dataset production pipeline — snapshots, splits, training packages, eval scorecards, implementation packs, and closed-loop re-ingest for any image production domain
Style Dataset Lab 是一套以项目视觉规范（constitution）为核心的图像数据集生产与治理管线。它先定义轮廓、配色、材质等风格规则，再通过 ComfyUI 生成候选图像，并按评分细则评审筛选；把获批图像与规范规则绑定，产出可复现的版本化快照、训练/验证/测试划分、导出包、评测包与评分卡、训练包和实作包。它同时提供生产工作台，用于编译生成简报、执行运行、批判与批量生产（如表情表、环境板），并将选中的成品重新回灌为候选记录，形成持续增强的闭环。它还支持带清单合约的 3D 资产导出摄取，逐字节验证声明并以未评审记录入库。
展开详情收起详情：Style Dataset Lab：面向视觉风格的图像数据集生产与治理管线⌄
★ 0 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-11-07
astarktc/skills-hub · A cross-platform desktop app to manage Agent Skills in one place and sync them to multiple AI coding tools’ global skills directories — “Install once, sync everywhere”.
Skills Hub 是一个基于 Tauri 和 React 的跨平台桌面应用，用于统一管理 Agent Skills，并部署到 Claude Code、Cursor、Codex 等多个 AI 编程工具的全局或项目 skills 目录，采用符号链接/目录联接优先、失败时回退复制的策略。它提供技能浏览与在线搜索、在线预览、导入与更新、多工具部署状态查看、失效修复、新工具检测、重复加载警告以及按 harness 对比部署等能力。
展开详情收起详情：Skills Hub：跨平台管理 Agent Skills 并同步到多个 AI 编程工具⌄
★ 2 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-11-07
DoctorMozg/claude-pipelines · Claude Code pipelines, agents, skills for development
mozg-pipelines 是面向 Claude Code 的多 Agent 插件市场，通过斜杠命令提供自主开发流水线、多视角代码审查、深度研究、业务线索外拓、开发治理（ADR/RFC）、Obsidian 知识库管理、创意头脑风暴与 UI/UX 设计文档等能力。各插件内的技能可串联组合，覆盖从研究、计划、编码、审查、测试到知识沉淀的完整工作流，并为关键步骤设置人工审批门。
展开详情收起详情：mozg-pipelines：Claude Code 多 Agent 开发流水线插件集⌄
★ 2 · 开发框架
GitHub
原文发布：未知收录：2026-11-07
AliSoltanianFJ/CodeSecurity2025 · Experiments in code security using Python, JavaScript, Java, and Go.
该仓库是论文《On Fixing Insecure AI-Generated Code through Model Fine-Tuning and Prompting Strategies》的复现材料，包含针对 GPT-4.1、GPT-5、Gemini 2.0 Flash、o4-mini 和 DeepSeek-R1-32B 等模型，在 Python、Java、JavaScript、Go 四种语言中生成代码安全弱点的实验数据、提示词、CodeQL 分析结果以及 LoRA 微调流程说明。
展开详情收起详情：CodeSecurity2025：评估微调与提示策略修复 AI 生成代码安全弱点⌄
★ 1 · 研究实现
GitHub
原文发布：未知收录：2026-11-07
dynatrace-oss/kimera · K8s misconfiguration exploitation toolkit
Kimera 是 Dynatrace 开源（官方声明不提供正式支持）的 Kubernetes 安全测试工具包，将 40 项攻击技术（覆盖侦察、凭据访问、提权、横向移动、防御绕过、持久化、执行与防御验证 8 个阶段，并映射 MITRE ATT&CK）以 YAML 定义并通过 MCP 工具或 CLI 暴露。AI Agent 可连接其 MCP 服务端规划多步攻击链，在集群上执行并验证防御是否拦截；同时支持基于 CIS Kubernetes Benchmark 的配置评估、攻击面枚举、防御控制验证（准入控制、NetworkPolicy、RBAC）、LLM 生成修复建议与 Dynatrace 观测数据增强。
展开详情收起详情：Kimera：AI Agent 驱动的 Kubernetes 渗透测试与防御验证工具包⌄
★ 6 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-11-07
Azure/taugrid · Cloud-native AI infrastructure for teams to run, schedule, and monitor AI workloads on GPU-enabled Kubernetes clusters, from data preparation to distributed training, fine-tuning, and inference.
TauGrid 是面向团队的云原生 AI 基础设施，用于在启用 GPU 的 Kubernetes 集群上运行、调度和监控 AI 工作负载，覆盖数据准备、分布式训练、微调和推理。它整合 tau CLI、基于 Kueue 的队列与配额准入、基于 KubeRay 的 Ray 集群编排、节点级 GPU 健康监控以及集群与工作负载可观测性，让平台团队无需逐一组装各组件，研究者也不必直接配置 Kubernetes。
展开详情收起详情：TauGrid：在 GPU Kubernetes 集群上运行和管理 AI 工作负载的云原生基础设施⌄
★ 59 · 可直接使用的工具
GitHub
原文发布：未知收录：2026-11-07
kuberay-project/kuberay · A toolkit to run Ray applications on Kubernetes
KubeRay 是一个开源的 Kubernetes Operator，用于简化 Ray 应用在 Kubernetes 上的部署与管理。它提供 RayCluster、RayJob 和 RayService 三个自定义资源定义，支持集群生命周期管理、自动扩缩容、容错、作业提交、零停机升级和高可用。此外还包含 kubectl 插件、API Server 和实验性 Dashboard 等可选生态组件，并与 Kubernetes 可观测性、排队系统和入口控制器等集成。
展开详情收起详情：KubeRay：在 Kubernetes 上运行 Ray 应用的编排工具⌄
★ 2759 · 开发框架
GitHub
原文发布：未知收录：2026-11-07
kaito-project/kaito · Kubernetes AI Toolchain Operator
KAITO 是 Kubernetes AI Toolchain Operator，采用 CRD 与控制器模式，在 Kubernetes 集群中编排 LLM 推理、微调及 RAG 引擎部署。它通过 Workspace、InferenceSet、InferencePool 等自定义资源简化模型部署：按 GPU 实例类型与 HuggingFace 模型元数据估算显存并计算所需 GPU 数量，借助 Karpenter API 触发 GPU 节点自动扩缩容，并为 vLLM 引擎生成优化后的并行与调度参数。项目支持 LoRA 适配器、KVCache 卸载、基于 KEDA 的副本自动伸缩以及 Gateway API Inference Extension 的 KVCache 感知路由；同时提供 RAGEngine 管理 RAG 服务的 LLM 端点、嵌入服务与向量数据库，内置 FAISS，可选 Qdrant 或 Milvus，并通过 LlamaIndex 提供索引、聊天补全与检索接口。
展开详情收起详情：KAITO：在 Kubernetes 集群中自动化部署 LLM 推理、微调与 RAG 服务⌄
★ 1037 · 开发框架
GitHub
原文发布：未知收录：2026-11-07
kserve/kserve · Standardized Distributed Generative and Predictive AI Inference Platform for Scalable, Multi-Framework Deployment on Kubernetes
KServe 是一个云原生 AI 推理平台，在 Kubernetes 上统一承载生成式与预测式模型服务，支持多框架部署、OpenAI 兼容推理协议、GPU 加速、模型缓存、KV Cache 卸载、请求级自动扩缩容，以及金丝雀发布、推理流水线、模型解释和漂移检测等能力，属于 CNCF 孵化项目。
展开详情收起详情：KServe：在 Kubernetes 上标准化部署生成式与预测式 AI 推理⌄
★ 6197 · 开发框架
GitHub
原文发布：未知收录：2026-11-07