AI 资源库 · 已整理 29 项
查看与Python相关的 AI 资讯、工具、Skill、工作流和开源项目。
achael/eht-imaging · Imaging, analysis, and simulation software for radio interferometry
ehtim（eht-imaging）是面向射电干涉测量与甚长基线干涉测量（VLBI）的 Python 模块集合，可加载、模拟和处理 VLBI 数据。它提供 Image、Movie、Array、Obsdata、Imager、Caltable 等主要类，用于读取图像和数据、由真实 u-v 轨迹生成模拟观测、校准与检查及绘制数据，并用正则化最大似然方法在不同偏振下、结合多种数据项和正则函数重建图像。该项目亦被事件视界望远镜（EHT）等成像与偏振分析工作引用。
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。
hiloopai/piloop · Autoresearch for any repo: coding agents try ideas, piloop scores every commit and keeps what wins
piloop 是一个面向 Git 仓库的自动研究工具。它让编码智能体围绕一个可由程序度量的目标尝试不同改进思路，每个智能体在独立的 git worktree 中提交改动，piloop 再用用户提供的 evaluate 命令为每个提交打分，仅保留优于当前最优结果的改动。状态保存在本机 SQLite 数据库与仓库 git refs 中，无托管服务；支持 Claude Code、Codex、pi、Gemini CLI、Cursor 等智能体入口，并提供插件机制扩展裁决规则、运行时、表格与命令。
google/adk-python · An open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.
Agent Development Kit（ADK）是 Google 开源、代码优先的 Python 框架，用于以软件工程方式构建、评估和部署 AI Agent。它提供基于图的 Workflow 运行时（支持路由、扇出/扇入、循环、重试、状态管理、动态节点、人在环路和嵌套工作流）、结构化任务 API（多轮任务模式与单轮受控输出）、模块化多 Agent 组合、丰富的工具生态（预置工具、自定义函数、OpenAPI 规范、MCP 工具）、工具确认流程（HITL），并支持容器化部署到 Cloud Run 或 Vertex AI Agent Engine。框架针对 Gemini 优化，但模型无关、部署无关，也可通过 Agent Config 免代码构建 Agent，并配有开发 UI 用于测试、评估与调试。
jin-bo/agentao · Local-first, governed AI agent runtime for Python — embed it in your app, or run it as a CLI or ACP server. Permissions, MCP, memory and audit replay built in.
Agentao 是一个本地优先、隐私优先、可嵌入 Python 应用的受治理 Agent 运行时，提供权限模式、工具确认、MCP/ACP 协议、SQLite 持久记忆、技能插件、子代理、JSONL 会话回放等能力，可作为库嵌入宿主应用，也可作为 CLI 或 ACP 服务器运行。
cuteecarrot/AgentHub · 🤖 Orchestrate AI agents for seamless teamwork in software development, enabling efficient collaboration through dependable messaging protocols.
AgentHub 是一个基于 Python 的开源应用，用于编排多个 AI Agent（如 Codex、Gemini、Claude）进行协作式软件开发，并通过消息路由保证 Agent 之间的可靠通信。项目提供面向非技术用户的图形界面，支持新建项目、选择 AI 模型、配置消息路由并开始协作。README 给出了 Windows/macOS 系统要求与下载安装步骤。
KUNDURUHIMANEESHREDDY/dataos · Graph-based data operating system. Universal object model, first-class relationship graph, and first-class provenance - every derived result traceable to its real source. AI is an operator over the graph, never an authority. 12 pluggable computation engines.
DataOS 是一个基于 Python 的数据平台，围绕通用对象模型、一等关系图谱和一等溯源三个理念构建，让每个派生结果都可追溯回真实来源。项目包含 12 个可插拔计算引擎（图谱分析、SQL/Python 计算、混合检索、数据剖析、质量校验、统一查询、溯源解释、治理、差异对比、目录、动作、使用统计），并提供 CLI、REST 后端与 Next.js 前端。README 指出库层较完整（约 180 个 Python 文件、约 670 个测试、653 个正确性测试通过），但 FastAPI 后端仍调用已不存在的旧 API，约 22/35 个端点返回 500；Prisma schema 未被任何代码使用。设计原则是“AI 是图谱上的算子，而非图谱的权威”，通过能力门控与必须提供证据的 grounding gate 来约束 AI 行为。
Datadog 的工程师发现，过去用来分析 Python 程序运行快慢的工具（火焰图）在看 asyncio 异步代码时，会搞不清“哪个任务等哪个任务”，导致看不出性能问题是哪条调用路径造成的。他们新做了一种“异步感知”的分析方式，像记录函数调用关系一样记录任务之间的父子依赖，再把相关任务叠起来展示，这样就能看出一个协程到底在等什么。同时他们还把分析器自身的额外开销降低了 60% 以上，并产出更精细的数据。对用 Python 写异步服务的人来说，以后定位异步任务的性能瓶颈会更清楚。文中没有说明这个新版分析器是否已对所有用户开放。
ivanopcode/cocoaskills · Local skill manager for AI agent skills: reproducible per-project installs, skill dependencies, security audit, multi-agent adapters (Claude Code, Codex CLI, Cursor, Gemini)
CocoaSkills 提供命令行工具 csk，用于管理 AI 代理的技能包：通过 Skillfile.json 声明式描述技能，从 git 仓库拉取并按 tag/commit 锁定版本，计算技能依赖图，生成 Claude Code、Codex CLI、Cursor、Gemini 等环境的适配文件，支持项目级、全局与混合三种安装模式，并提供静态安全审计与事务性安装回滚。它只负责技能的声明式分发与本地布局，不充当公共注册表、代理运行时或 MCP 服务器管理工具。
Q-ANT-GmbH/qant_native_computing_toolkit
Q.ANT 官方提供的原生计算工具包，用于在 Q.ANT 原生处理单元上运行工作负载。提供 Python（wheel/pip）与 C/C++（Debian 包 / 共享库）绑定，支持在有 Q.ANT 硬件与驱动时使用硬件后端，也提供 cpu-backend 独立模式，可在无 Q.ANT 硬件的 CPU 上进行开发，并附有文档与独立示例仓库。
Nikhil26045/HireAI · AI-powered recruitment platform
HireAI 是一个 AI 驱动的招聘平台，面向招聘人员，提供简历分析、候选人与职位匹配以及简化招聘流程的能力。技术栈包括 React、Node.js、Fast API、Express、MySQL 和用于机器学习的 Python。仓库 README 仅给出概述与技术栈，未说明具体模型、算法细节、部署方式与使用限制。
nold-ai/specfact-cli-modules · Official SpecFact modules for AI-bloat defense: deterministic code-review validation, cleanup forecasts, workflow packs, and docs for AI-assisted Python delivery.
该项目是 SpecFact CLI 的官方模块注册库，托管 nold-ai 官方 bundle 及其文档，用于 AI 辅助 Python 交付场景。其代码审查 bundle 可给出 ai_bloat 提示性发现，识别 AI 生成代码中常见的冗余形态（如恒等 try/except、单调用包装、直通 lambda、冗余中间变量、过长的线性函数），提供确定性代码审查验证、清理预测与工作流包，并包含模块签名、语义化版本管理与契约测试等质量门禁流程。
mahdidjemaci/production-rag · 🔍 Enhance retrieval accuracy with a production-ready RAG system that integrates semantic and lexical search for optimal results.
production-rag 是一个生产级检索增强生成（RAG）系统，将语义搜索与词法搜索结合以提升检索准确度。它提供多策略检索（可在不同搜索方法间切换）以及内置评估框架，用于评估不同策略的输出质量，面向真实应用场景。README 中说明系统要求为 Windows、macOS 或 Linux，最低 4 GB 内存（推荐 8 GB），至少 500 MB 存储空间。
nold-ai/specfact-cli · AI-bloat defense CLI for Python teams: deterministic code review, cleanup forecasts, and spec/contract evidence for AI-assisted and brownfield delivery.
SpecFact CLI 是一个本地运行的 Python 命令行工具，针对 AI 辅助编程和存量（brownfield）项目提供确定性的代码审查、清理影响预测以及规范/契约证据。它无需 API 密钥、可离线工作，能检测冗余包装器、直通 lambda、恒等 try/except、可避免的中间列表、低分支长函数等 AI 编码常见的膨胀形态，并将审查结果以 JSON 形式交给 Claude、Codex、Cursor、Copilot 或无头代理等 AI IDE 进行修复，再复跑审查以获得证据。支持通过 uvx 零安装试用，并可接入 pre-commit 钩子、GitHub Actions 等流程，同时衔接 Spec Kit、OpenSpec、backlog 等上游规划输入作为验证证据。
jax-ml/jax · Composable transformations of Python+NumPy programs: differentiate, vectorize, JIT to GPU/TPU, and more
JAX 是一个 Python 库，用于面向加速器的数组计算与程序变换，面向高性能数值计算和大规模机器学习。它可以自动微分原生 Python 与 NumPy 函数，支持循环、分支、递归和闭包中的微分以及任意阶导数，并提供反向模式与正向模式微分。JAX 借助 XLA 将 NumPy 程序编译并扩展到 TPU、GPU 及其他硬件加速器，支持用 jax.jit 编译纯函数，编译与自动微分可任意组合。此外，JAX 提供 jax.vmap 自动向量化，并支持编译器自动并行、显式分片与手动单设备编程等扩展方式。该 README 说明这是一个研究项目，而非 Google 官方产品，使用时应预期一些需要注意的边界问题。
lightseekorg/tokenspeed · TokenSpeed is a speed-of-light LLM inference engine.
TokenSpeed 是由 LightSeek 基金会开源的 LLM 推理引擎，专为智能体（agentic）工作负载设计，目标是在保持 vLLM 级易用性的同时达到 TensorRT-LLM 级性能。其架构将控制面与执行面分离：控制面用 C++ 实现为有限状态机，借助类型系统在编译期约束请求生命周期与 KV 缓存资源管理；执行面用 Python 实现，便于迭代。内核被设计为一等子系统，通过可移植公共 API、集中注册表和插件机制解耦，文档称其包含面向智能体工作负载的较快 MLA（Multi-head Latent Attention）实现之一，并提及在 Blackwell 平台上的优化以及 Kimi、Qwen、GLM 等模型的适配记录。
hermes-labs-ai/rule-audit · Static analyzer for AI system prompts: parses a prompt into normative rules and reports contradictions, coverage gaps, priority ambiguities, and absolute-rule edge cases - no LLM calls. Deterministic pure-Python lint with CLI, Python API, and CI exit codes. pip install rule-audit
rule-audit 是一个纯 Python 静态分析工具，将 AI 系统提示词和 Agent 指令解析为规范性规则，报告逻辑矛盾、覆盖缺口、优先级歧义、元规则悖论和绝对规则边界情况，全程不调用 LLM。它以确定性 lint 方式提供 CLI、Python API 和 CI 退出码，可用于 pre-commit 钩子在提交前审查 CLAUDE.md、AGENTS.md、SOUL.md 等提示词文件，也可作为 Claude Code、Codex、Gemini CLI、Hermes Agent 的插件使用。检测基于词法解析（句子切分、情态动词正则、关键词簇）而非语义模型，作者明确说明它只能发现候选缺陷，不能证明提示词可被利用。
honied-valerian411/agentic-reasoning-lab · 🤖 Build reasoning-driven systems with multi-agent orchestration, reliable context grounding, and accurate evaluations for AI product management.
agentic-reasoning-lab 是一个基于 Python 的开源实验平台，围绕多智能体推理、上下文编排和模型可靠性评估展开，提供主仪表盘、智能体管理工具以及性能与系统健康报告工具，面向探索多智能体协作解决问题与评估不同 AI 模型表现的使用场景。
666ghj/MiroFish · A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎，预测万物
MiroFish 是一个多智能体技术驱动的预测引擎，可从新闻、政策草案、金融信号等真实世界素材中提取种子信息，自动构建高保真的平行数字世界。在这个数字空间中，成千上万个具有独立人格、长期记忆和行为逻辑的智能体自由交互并进行社会演化，用户可从"上帝视角"动态注入变量以推演未来走向，最终获得详细的预测报告和可深度交互的仿真世界。项目支持舆情分析、金融预测、小说结局推演等场景，采用 Python 实现，仿真引擎基于 OASIS 构建。
google-deepmind/alphagenome_research · Research code accompanying AlphaGenome
AlphaGenome 是 Google DeepMind 提出的统一 DNA 序列模型，可分析最长 100 万碱基对的 DNA 序列，在单碱基分辨率下预测基因表达、剪接模式、染色质特征和接触图等多种模态。本仓库提供该模型的研究代码：基于 JAX 的模型实现、AlphaGenome API 及变体打分器、从 TFRecords 读取训练数据的数据集加载器，以及用于运行模型和评估分析的 Colab notebook。预训练权重可从 Kaggle 或 Hugging Face 下载，需接受非商业模型条款。