Agent 与自动化01
mthomas100/patrol · A search drone that looks for one missing person's things from words alone, with no internet: four local AI models on one Mac, simulated in MuJoCo. Multi Model Hackathon, SF Tech Week 2026.
Patrol 是一个基于提示词描述的无人机搜索系统原型，面向荒野失踪人员场景：家属描述失踪者携带的物品（如蓝色背包、橙色帐篷、灰狗），无人机据此在无网络条件下自主搜索。系统在一台 Mac 上运行四个本地 AI 模型——Clef-Flash 负责快速判定、Qwen 视觉模型负责语义推理与二次判定、Parakeet 负责语音转文字、Kokoro 负责语音播报，由普通代码负责飞行与安全约束。无人机与山坡场景在 MuJoCo 中仿真，项目声称已完成实时飞行演示，3 件物品全部找到且无误报，但项目自述这些结果仅证明行为在仿真中有效，不代表真实环境的检测率。
训练与微调02
Adam-Researchh/mlx-embed-finetune · Fine-tune single-vector embeddings on Apple Silicon with MLX: LoRA/QLoRA, GradCache, multi-positive training and teacher ranking distillation.
该项目面向 Apple Silicon 平台，基于 MLX 框架微调单向量嵌入（embedding）模型，支持 LoRA 与 QLoRA 适配器训练、硬负样本池化、多正样本监督、GradCache 梯度缓存、Matryoshka 损失以及离线教师排序蒸馏，并提供检索质量评测（nDCG@10、MRR@10、Recall@k）与合并 MLX 权重导出，用于本地语义检索。README 给出了快速上手命令、训练与评测文档索引，以及内存占用、SciFact 检索基线和测试覆盖等证据说明。
推理与部署03
huntleeouter514/laya-mlx · Run open-weight typed decisions natively on Apple Silicon with sub-14ms local MLX inference, no PyTorch or cloud APIs.
laya-mlx 是一个面向 Apple Silicon Mac 的本地决策推理软件，用于在设备端运行「类型化决策模型」（.laya 文件），据称单次决策耗时约 7–14 毫秒，无需 PyTorch 等重型依赖，也不依赖云端 API，强调数据不出本地的隐私性。其技术组合包括针对 Apple Silicon 优化的 MLX 运行时、ModernBERT 模型与纯本地计算。README 给出下载即用的入门流程和 Apple Silicon 系统要求。