跨栏目检索
搜索中文标题、仓库名或关键词，再用分类、来源和日期缩小范围。
PavanMudigonda/zero-to-ai · Free AI/ML course with 950+ Jupyter notebooks — Python, deep learning, LLMs, RAG, agents, prompt engineering, fine-tuning, MLOps
Zero to AI 是一个免费开源的 AI 与机器学习课程，提供 950 多个 Jupyter Notebook，覆盖 Python 与数据科学、机器学习数学、分词与嵌入、深度学习、LLM 与 RAG、AI Agent、提示与上下文工程、微调、MLOps、模型评测与安全等主题，并按学习路径组织为渐进式阶段，适合从零开始系统学习 AI/ML。
anthropics/oss-scanner
OSS Scanner 是 Anthropic 提供的服务，用于扫描关键开源仓库中的安全漏洞。项目方可提交 PR 在 projects/<name>/ 下注册项目，提供 project.yaml 与 Dockerfile（可选 threat_model.md）；扫描器在隔离虚拟机中联网构建项目，随后在无网络环境下分析，并通过邮件把带复现步骤和（可用时）修复补丁的模型生成报告发送给 primary_contact 及抄送人。报告由模型生成、无人工复核，因此不设 90 天披露期也不公开。仓库还提供 tools/validate.py、tools/check 等本地校验与构建工具。
Anthropic 推出了一个叫 OSS Scanner 的工具，让 Claude 帮忙扫描开源软件里的安全漏洞。六个月里，Claude 找出了超过 29000 个“疑似漏洞”，但负责人工确认的六家外部安全公司才审查了约 6000 个，最终只有 516 个真正被修补。问题在于：AI 找漏洞的速度远远超过了人类验证和修复的速度。不过，一些开源项目（如 curl、PostgreSQL、OpenSSL）的负责人表示，收到的报告质量很高，有的甚至附带了可直接使用的修复代码。目前这个工具只对符合条件的成熟开源项目开放，需要申请并验证维护者身份。
一位在 Bit Cloud 工作的工程师做了个实验：把之前用 Claude Code 搭建的小型客服控制台放在 Bit 平台上，每个组件版本化时平台会自动记录依赖关系。他开了一个全新的 Claude Code 会话，没有聊天历史、没有本地代码，只让 AI 加一个按工单状态和负责人筛选的功能。Claude 通过 MCP 先读整个 scope，再读各组件，两次调用就发现了四个组件以及它们共享的工单实体，随后自动导入代码、改完前端并跑通 41 个测试。这样做的价值是：AI 不用重新猜你的架构，还能知道共享部分不要乱动。不过记录只能说明“谁依赖谁”，不能说明接口行为是否还对得上，这部分仍需人工检查。作者也说明这是演示项目，用的是预置账号和公开签名密钥，并发控制、迁移、恢复流程和必跑的数据库测试都还没做。
AWS 最近给 Amazon EventBridge 的自定义事件总线加了新功能。以前不同账号之间要共享事件、管理订阅者比较麻烦，这次可以把一条集中式事件总线跨账号共享，并支持有序投递、更简单的订阅者管理、事件重放和基于内容的去重，还换成了按发布者和订阅者计费的新模式。对使用 AWS 做事件驱动架构的团队来说，跨账号协作和事件管理会更省事，但具体开放范围和上线细节原文没有说明。
Meta、MIT 和华盛顿大学的研究人员提出了一种叫“上下文语言模型”（CLM）的新方法。过去，语言模型的长上下文通常靠事先定好的规则来总结、压缩和检索信息，不够灵活。这次让模型自己决定怎么管理和修改上下文内容。研究人员表示，这种做法在性能和计算效率上都有明显提升。对读者来说，这意味着未来 AI 处理长对话、长文档时可能更聪明，同时更省算力，不过目前还只是研究阶段。
提供的材料未提及具体可用工具。
Electricpaper77/ai-rag-eval-platform · AgentTrust IQ: reliability layer for Microsoft Reasoning Agents with groundedness, citation, hallucination, safety, latency, and JSONL audit checks.
AgentTrust IQ 是一个模型无关的 AI Agent 可靠性与评测平台，在发布前对回答的接地性、引用支持、提示注入抵抗、PII 处理、不安全工具操作、延迟与可审计性进行检查。它将可靠性检查转化为明确的 release、block 或 escalate 决策，并生成可回放的 JSONL 证据。默认工作流为确定性本地运行，可选通过 GEMINI_API_KEY 接入 Gemini 作为辅助评估器，但基线工作流不依赖它。
LeoAlvarenga404/agent-squad · A squad of narrowly scoped AI agents that finds leads, sells, builds and maintains websites for local businesses, with a human approving what costs money or reputation.
agent-squad 是一组职责范围明确的 AI 智能体，用于自动化本地企业网站业务的销售与交付流程：寻找线索、筛选资格、与业主沟通、生成免费预览、在人工审批下成交，并处理售后修改。智能体之间不直接对话，而是通过 Postgres 状态、按客户隔离的记忆与审计事件进行协作；成本与声誉相关的动作（如成交、超出报价、对外发布）均需人工批准。项目支持通过配置文件、提示词、目录与可替换适配器进行定制，本地已用模拟客户测试，尚未在真实客户上验证。
nirholas/vision-mcp · Let any AI agent see — analyze and describe images through the three.ws vision pipeline. Free NVIDIA NIM VLMs first, with an automatic server-side paid backstop. Pass an image URL or base64 and get a structured, natural-language read. Read-only, no key required.
vision-mcp 是一个基于 Model Context Protocol 的服务器，让任意 AI 助手通过 stdio 获得图像理解能力。传入公开 URL 或 base64 图片，即可进行视觉问答、OCR 读图、图像分类、3D/虚拟形象渲染评价，或生成替代文本（alt text）与说明文字。请求由 three.ws 视觉流水线处理，优先使用免费的 NVIDIA NIM 视觉模型，失败时自动回退到服务端付费模型；调用方无需付费也无需提供密钥，接口只读、会按 IP 限流，可选提供 three.ws API Key 提高限额。
shraattt/captioner · Local-first AI captioning for Windows: batch SRT/VTT subtitles plus a live caption overlay, running fully offline on your own GPU.
Captioner 是一个面向 Windows 的本地优先 AI 字幕工具，可在自有 GPU 或 CPU 上完全离线运行。它能批量把讲座、访谈、电视录像等音视频转为带词级时间的 SRT/VTT 字幕，也提供悬浮置顶的实时字幕条以约 1–2 秒延迟转写麦克风或系统音频。可选功能包括 pyannote 说话人标注、wav2vec2 词对齐、M2M100 多语言翻译与实时翻译、OpenAI 兼容后端接入、本地 HTTP API 与浏览器界面、监听文件夹自动转写与 webhook、内容去重和带崩溃恢复的任务队列，并支持自行微调 Whisper 模型。
seankerman/vaelius · Self-hosted knowledge and memory for people and AI agents. PostgreSQL, MCP, explicit access controls.
Vaelius 是一个自托管的私有知识服务，用于为人与 AI Agent 提供共享记忆和知识检索。它会记录显式登记的 Agent 活动、对可识别机密进行脱敏、保留原始文档，并通过带认证的 MCP 服务检索相关证据。PostgreSQL 承担知识、索引、权限与处理任务的统一权威存储，支持全文搜索与 pgvector/HNSW 向量检索，并提供可检查的来源元数据、访问控制、撤销与删除等生命周期能力。项目处于早期阶段，仅在本地以合成场景测试，生产云部署与真实团队验收尚未完成。
ARahim3/DigUp · Search your Mac by what's in your files: photos, PDFs, recordings, videos and code. On-device, built on Google DeepMind's EmbeddingGemma 2.
DigUp 是一款运行在 Apple Silicon Mac 上的菜单栏应用，利用 Google DeepMind 的 EmbeddingGemma 2 多模态嵌入模型，让用户用自然语言描述来搜索本机文件中的内容。它可以索引图片、PDF、文档、音频和视频，把一次查询同时匹配到视频中的某一帧、播客的某一段、PDF 的某一页或截图中的文字，并支持超过 100 种语言的跨语言检索；开启代码搜索后还能按功能描述定位代码。索引与检索全部在本地完成，模型仅在首次下载和每日检查更新时联网。
tvedeshkumar-blip/SAT-QUERY-AI · SatQuery AI is an evidence-based agentic AI for multi-modal remote sensing of Optical, SAR, and time-series satellite data. It picks relevant models, combines evidence, detects evidence conflicts, and starts focused re-analysis for dependable results. The system provides evidence-based, explainable, confidence-aware, and traceable solutions.
SatQuery AI 是一个面向地球观测（EO）卫星图像分析的多模态视觉语言智能体系统，覆盖光学、SAR 与时序卫星数据。它支持单幅图像的地表覆盖 VQA、密集地形描述与像素级视觉定位，支持双时相变化检测与变化 VQA，并可将光学光谱反射与 SAR 微波后向散射进行跨模态融合，以在云层遮挡下区分水体与城市结构。系统提供带任务路由与执行轨迹追踪的智能体控制器，保留 GeoTIFF 坐标参考系与光谱指数（NDVI、NDWI、CIR、SAR dB 滤波）。在模型层面采用惰性加载的专业适配器与显式回退层级（如 Florence-2-base、OWL-ViT、BIT-CD 以及 Gemini 2.5 Flash），并强调不编造指标：未校准置信度明确标注为不可用，每次响应返回模型来源与回退信息。
auRose94/base9-quantization · Base-9 (ninths-grid) model quantization: the K9 codec, measured frontiers vs GGUF/NF4, and a parser-verified Godot 4 coder fine-tune
该项目提出并实现了一种基于九进位数（ninths / base-9）重复基权重量化网格的模型压缩格式，允许熵编码在 2 的幂量化档位之间滑动。仓库提供真实的 .k9 容器、可原生加载该格式的 llama.cpp 分支、C 语言 rANS 编解码器，以及在被验证的 Godot 4 解析器语料上训练的编码器微调模型（QLoRA）。README 记录了在 Qwen2.5-Coder 1.5B/7B/14B 上的后训练量化测量结果，包含与 GGUF / NF4 的对比，同时也记录了失败与零结果。
otawfik/lora-lab · LoRA from scratch in NumPy: a frozen tiny language model plus a rank-8 adapter, A/B'd side by side
LoRA Lab 是一个从零实现的 LoRA 教学项目，不依赖 PyTorch 或 transformers 库，也不调用任何 API。它用 NumPy 手写了一个小型 n-gram 神经语言模型，并叠加一个真实的低秩适配器（W_new = W_base + (alpha/rank) * B @ A），基座权重在训练中始终保持冻结，只有低秩矩阵 B、A 获得梯度。项目提供小批量 Adam 训练流程（含训练/验证集划分与损失日志）、基座模型与适配器并排生成对比的 CLI 和 Flask 网页界面、困惑度评测与损失曲线/困惑度图表，并附带了中性英文与海盗语两套语料。文档记录了自带训练运行的结果：可训练参数从 35,799 降至 3,448（约 9.6%），留出的海盗语语句困惑度从 1288.7 降到 105.5。README 明确说明这是一个教学玩具而非生产级微调方案，并提供 SCALING.md 说明如何用 peft 与 Hugging Face transformers 做真实规模的 LoRA。
zacharydenton/clef-hrx · Cloudflare CLEF structured decisions from text, images and video on AMD Strix Halo. Rust, HRX and Loom.
该项目用 Rust 在 AMD Strix Halo（gfx1151 GPU）上实现 Cloudflare CLEF 与 CLEF Flash 模型的推理，文本主干、视觉编码器和决策头以 Loom 内核形式通过 HRX 运行。CLEF 可对文本、图像和视频回答结构化问题，支持 choice（选项与概率）、score（期望得分与图例）和 noul（命题为真的概率）三类输出，并提供 BF16 与 INT4 精度选项、JSONL 批量请求、库接口 ClefModel/Encoder 等能力。README 给出了在 JevBench 上相对 llama.cpp HIP 的吞吐对比结果。
FuturixAI-and-Quantum-Works/carve-jev · Open-source Jev-like model family with one-token Qwen3.8 decisions, TypeSafe API, one-command setup, and reproducible benchmarks.
CARVE（Candidate-Aligned Readout via Vocabulary Evidence）是一个 Apache-2.0 开源模型家族，基于 Qwen3.8-27B，通过只对用户自定义选项对应的候选字母 token 进行打分，实现单输出 token 的 Noul、Choice、Score 类型化决策，无需生成自由文本 JSON 再解析。项目提供 TypeSafe 兼容的 System One API、一键启动脚本和可复现基准，发布 CARVE-ZS、CARVE-AS、CARVE-FS2 等多个服务配置，在 Decision 1.0 transfer-v9 上报告 82.22% 的最高准确率。README 说明其返回的为原始受限候选 token 概率，并非校准后的正确性置信度。
quickhoteloccupancy5342/vllm-qwen3.8-flash-next-rtx-pro-6000-sharp-monitoring · Serve Qwen3.8-Flash-Next on one RTX PRO 6000 with vLLM, a sharp chat template, and bundled Prometheus+Grafana monitoring.
该仓库提供一套基于 Docker 的打包方案，用于在 NVIDIA RTX PRO 6000 Blackwell 显卡上通过 vLLM 运行 Qwen3.8-Flash-Next 语言模型，包含 Qwen-Sharp 对话模板、MTP-3 推测解码、工具调用支持，以及 Prometheus 与 Grafana 组成的实时监控面板。README 说明面向 Windows 10/11 用户提供 start.bat 启动脚本，本地推理不上传对话数据，并在首次运行时下载约 40GB 模型文件。
datamllab/openesm · Open-source code for training and scaling up energy-based foundation models.
OpenESM 是用于训练和扩展 Energy-Steered Models（能量引导模型）的开源代码库，包含预训练、监督微调、BPB 验证评估、QA 评测、零样本基准与交互式聊天等完整流程，并发布 160M、520M、1B 规模在 DCLM、FineWeb、ClimbMix、OWT 上训练的预训练权重及 ESM-FineWeb-1B-CHAT 微调模型，附有缩放律实验图表。
yzfly/edgejev · 离线可用的本地类型化决策：4 核 CPU 单题 15.6ms。Local & offline Jev / System One inference on CPU — ONNX + INT8, no torch at runtime. 支持 laya / kev / PlayJev
EdgeJev 把 laya、kev、NanoJev、PlayJev 等开源 Jev / System One 复现项目统一为「转换 → 量化 → 部署」的流程：导出 ONNX、做 INT8 量化，并起一个与官方 /v1/systemone 协议兼容的本地服务。它以 ONNX Runtime 在 CPU 上做离线推理，运行时只依赖 onnxruntime、tokenizers、numpy，不需要 torch、API key 或联网，数据不出本机；同时提供 build / serve / eval / bench / info 等 CLI 子命令和训练模块。