LLM Resources

Source: https://github.com/WangRongsheng/awesome-LLM-resources at c318e482e279
License: Apache-2.0
Read the English original

This edition is an AI-assisted translation.

世界最佳大语言模型资源综述.

挖掘真正有价值的项目,而不仅仅是偷猎。头

[!TIP] 如果你是对的对医疗数据集/大模型/多式联运/评估相关资源的兴趣请与我们联系。 Awesome-AI4Med 来啊!

我们会成为朋友。

PackyCode是一个稳定高效的API中转服务供应商,一个单词可以访问主流模式. 统一域名统一密钥智能剖面开关 97%可用. 人民币1:1元,不设汇率,不设收费坑,新用户先享受优惠+1元免费体验,多组优惠低至2折,提供Codex/Claude高速公路.

点击此链接注册并立即启动 !

谢谢你,Infistar.cc,赞助这个项目。

* 稳定高效的模型通道:官方通道的价格低至0.30%,模型多而透明,多个节点冗余,流量限制,429和截断效应有效降低;
· 一站式访问主流模型:一个API键可以访问主流模型,如克劳德,ChatGPT,双子座,基米,GLM,DeepSeek,涵盖文本生成,图像生成,多模块推理;
仓库资源实践的兼容性:无论是多模块生成,辅助编程,模型推理还是MCP/Agent开发,Infistar都可以直接在上游用作OpenAI,Claude,双子座,边做边学,零门槛运行项目和教程;

• 专属利益:通过仅促进链接登记将获得5美元等值的测试金额 / 第一收费独家,快速进入并开始呼叫!

感谢APIMart赞助这个项目! APIMart是一个以AI图像/视频生成为主的低价API平台,GPT-Image-2低至0.006美元,1美元可以显示160+. 图片,视频,一组行走者,API,工作需要获得ID,调回,运行很多次,改变模型而不改变代码. 按数量支付,不按月收费,通过这个. 注册链接备有登记。

建议 🌟
数据
精进陀宁.
代理 RL 软件 🌟
推论
评价
经历
知识库RAG
聪明
研究 🔥
代码
视频
图像 🔥
搜索
演讲 🔥
世界模式 🔥
龙虾OpenClaw
统一模式 🌟
书籍
课程
教学
纸张
社区
MCP 模式背景协议
技能
打开 O1
打开 O3
小语言模型 🌟
小视频语言模型 🌟
技能提示

建议

播音员

数据

[!NOTE]

这里的名称数据,但这并不能提供具体的数据集,而是处理大规模数据获取的方法

AotoLabel: 标签,用 LLMS 清理并丰富文本数据集.
LabelLLM:开源数据注释平台.
data-juicer:一站式数据处理系统,使数据质量更高,具有审判能力,对LLMS更能消化!
OmniParser:一个原生的Golang ETL流解剖器和变换库,用于CSV,JSON,XML,EDI,文本等.
MinerU (🔥):MinerU是一个一站式,开源式,高质量的数据提取工具,支持PDF/webpage/e-book提取.
PDF-Extract-Kit: PDF 高质量内容提取综合工具包。
Parsera: 轻量级图书馆,用于用LLMs刮掉网站。
Sparrow: Sparrow是一个创新的开源解决方案,用于高效地从各种文档和图像中提取和处理数据.
Docling:准备文件给gen AI.
GOT-OCR2.0: OCR模型(英语:OCR Model).
LLM Decontaminator:重新思考语言模型的基准和污染,并重述样本.
DataTrove: DataTrove是一个用于处理,过滤和破译非常大规模文本数据的库.
llm-swarm: 生成大型合成数据集, 如 Cosmopedia。。。。
Distilabel:Distilabel是供需要快速,可靠和可伸缩的管道的工程师根据经过核实的研究论文进行合成数据和AI反馈的框架.
Common-Crawl-Pipeline-Creator:常见攀枝花管造型.
Tabled: 检测和提取表格以标记下和csv.
Zerox: 0射门 pdf OCR 配有 gpt-4o-mini.
DocLayout-YOLO:通过多元合成数据和全局对本地的适应感知增强文档布局分析.
TensorZero:通过经验改进法学硕士课程。
Promptwright:使用本地LLM生成大型合成数据.
pdf-extract-api:文档 (PDF) 利用最新艺术的现代 OCRs + Ollama 支持的模型提取和剖析 API.
pdf2htmlEX: 在不丢失文本或格式的情况下将 PDF 转换为 HTML 。
Extractous:快速高效的无结构数据提取. 用 Rust 写成, 包含多种语言的装订。
MegaParse: 为 LLM 摄入优化了文件解析器, 没有丢失。
MarkItDown: 用于将文件和办公文档转换为Markdown的Python工具.
datasketch:datasketch 给予你概率数据结构,可以处理和搜索非常大的数据超快,很少失去准确性.
semhash:轻量级和灵活度的工具,用于使用语义相似度来解析数据集.
ReaderLM-v2:一个1.5B参数语言模型,将原始的HTML转换为优美格式化的标记降或JSON.
Bespoke Curator: 培训后结构数据提取数据校验。
LangKit:用于监测大语言模型(LLM)的开源工具包. 从提示和响应中提取信号,确保安全和安保.
Curator:用于培训后和结构化数据提取的合成数据解析.
olmOCR:用于培训语言模型的工具包,用于在野外与PDF文档合作.
Easy Dataset (🔥):用于创建LLM微调数据集的强大工具.
BabelDOC: PDF 科学论文翻译和双语比较图书馆.
Dolphin: 文档图像解析通过异质悬索提示。
EasyDistill:大语言模型的易知识沉淀.
ContextGem:一个自由的,开源的LLM框架,它使从文档中提取结构化的数据和洞察力变得非常容易.
OCRFlux:一个轻量级但强大的多式联运工具包,它大大推进了PDF到Markdown的转换,在复杂的布局处理,复杂的表格解析和跨页内容合并方面表现突出.
DataFlow: 与最新的基于LLMs的操作员和管道进行简易数据准备.
DatasetLoom (multimodal):大型多模块模型培训智能数据集建设与评价平台.
Logics-Parsing
DeepSeek-OCR
PaddleOCR-VL
Chandra:一种高度精确的OCR模型,在保存布局信息的同时,将图像和PDF转换成结构化的HTML/Markdown/JSON.
HunyuanOCR:Hunyuan的本土多式联运建筑为主的端对端OCR专家VLM供电.
DeepSeek-OCR-2:视觉因果流.
PaddleOCR-VL-1.5 (🔥): 向着一个多任务 0.9B VLM ,用于强力在野文档解析.
GLM-OCR:用于复杂文档理解的多式联运OCR模型,基于GLM-V编码器–解码器架构.

回到顶部

精细的图宁

LLaMA-Factory (🔥): 统一高效精细化100+LMS.
360-LLaMA-Factory: 统一高效精细化100+法学硕士(用于支持长期背景培训的附加序列并行)
unsloth (🔥):2-5X更快地减少了80%的内存LLM微调.
TRL:变形器强化学习.
Firefly萤火虫:支持培训数十个大模型的大型模型培训工具
Xtuner:一个高效,灵活和全功能的工具包,用于微调大型模型.
torchtune:一个用于LLM精细调试的土著-PyTorch图书馆.
Swift:使用PEFT或全参数微调200+LLM或15+MLLM.
AutoTrain:一种自动训练,评价和部署最先进的机器学习模型的新方式.
OpenRLHF:一个易于使用、可扩展和高性能的RLHF框架(支持70B+全调和LORA & Mixtral & KTO)。
Ludwig:用于构建自定义LLMs,神经网络,以及其他AI模型的低码框架.
mistral-finetune:一个轻量级的代码库,能够对Mistral的模型进行内存高效和性能微调.
aikit:精细调整,构建,并轻松部署开源LLM!
H2O-LLMStudio: H2O LLM Studio - 一个用于微调LLMs的框架和无码GUI.
LitGPT:Pretrain,微调,在自己的数据上部署20+LLM. 使用最新技术:闪光关注,FSDP,4位,LORA等.
LLMBox: 用于实施有限责任管理的综合图书馆,包括统一的培训管道和综合模式评价。
PaddleNLP:易用和强大的NLP和LLM库.
workbench-llamafactory:这是一个NVIDIA AI Workbench实例项目,它用Llamafactory演示了端到端模型开发工作流程.
OpenRLHF:一个易用,可伸缩和高性能的RLHF框架(70B+PPO Full Tuning & Interestative DPO & LoRA & Mixtral).
TinyLLaVA Factory:小规模大型多式联运模式框架。
LLM-Foundry: Databricks基础模型的LLM训练代码.
lmms-finetune:用于微调(完整,lora)大型多式联运模型的统一代码库,支持拉瓦-1.5,qwen-vl,拉瓦-interleave,拉瓦-next-video,phi3-v等.
Simplifine:Simplifine允许您引用 LLM 微调,使用任意的 Hugging Face 数据集或模型只使用一行代码.
Transformer Lab: 高级 LLM 的开源应用程序工程:交互,训练,微调,在自己的计算机上评价大型语言模型.
Liger-Kernel:用于LLM训练的高效Triton Kernels.
ChatLearn:大规模调整的灵活有效的培训框架。
nanotron:最小化的大型语言模型 3D-平行主义训练.
Proxy Tuning: Tuning语言模型由代理.
Effective LLM Alignment: 有效的LLM对齐工具包。
Autotrain-advanced
Meta Lingua: 一个精致,高效,容易被打包的代码库来研究LLM.
Vision-LLM Alignemnt:这个寄存器包含了SFT,RLHF,和DPO的代码,为基于视觉的LLMs设计,包括LLaVA模型和LLaMA-3.2视觉模型.
finetune-Qwen2-VL:快速启动用于精细调整或继续预装列车Qwen2-VL型号.
Online-RLHF:在线RLHF和在线迭代DPO的配方.
InternEvo:一个开源轻量级培训框架旨在支持模式预训,而不需要广泛的依赖性.
veRL (🔥):火山发动机强化学习LLM.
阿克索罗泰尔.: Axolotl 旨在与 YAML 配置文件合作,这些文件包含您需要的所有内容,以预处理一个数据集,训练或微调一个模型,运行模型推论或评价,等等.
Oumi:所有你需要建立的最先进的基础模型,端到端.
Kiln: 微调LLM模型,合成数据生成,以及数据集合作的最简单工具.
DeepSeek-671B-SFT-Guide: DeepSeek-V3/R1 671B全参数微调的开源解决方案,包括从训练到推断的完整代码和脚本,以及一些实践经验和结论.
MLX-VLM: MLX-VLM是一个包,用于在你的Mac上使用MLX推导和微调视觉语言模型(VLMs).
RL-Factory:通过我们简单高效的框架来训练你的特工模式.
RM-Gallery: 一站奖励模式平台.
ART:雨多步代理,用于使用GRPO执行现实世界的任务. 让你的特工接受在职培训
LMMs-Engine: 一种简单的、任何一种到任何一种模式的框架,用于预先培训和微调。精细灵活,为研究而建.
dLLM:一个统一培训和评价传播语言模式的图书馆,为整个发展管道带来透明度和可复制性。 diffusion
Miles:面向企业的强化学习框架,用于大规模教育部的培训和生产后工作量。
Skills:用于改进大语言模型(LLM)“技能”的管道集.
Twinkle:一个轻量级,客户端-服务器培训框架,由模块化,高协同接口设计.
NeMo AutoModel: Pytorch 分布式本土训练库,用于LLMS/VLMs,并有OOTB Hugging Face支持.
VeOmni: 以模式分发的食谱动物园扩大任何模式模式培训。
Soup:用于LLM后培训的一次性CLI(SFT/DPO/GPRO/KTO/ORPO)。层流列车在4GB笔记本电脑GPU上通过一次从主机RAM一个解码器层流出冷冻基座来进行8B型号的列车.

回到顶部

代理 RL 软件

veRL (🔥): https://github.com/volcengine/verl
AReaL: https://github.com/inclusionAI/AReaL
slime (🔥): https://github.com/THUDM/slime
Agent Lightning: https://github.com/microsoft/agent-lightning
Molt: https://github.com/NVIDIA-NeMo/labs-molt
prime-rl: https://github.com/PrimeIntellect-ai/prime-rl

回到顶部

推论

ollama (🔥):与Llama 3,Mistral,Gemma等大型语言模型一起起来运行.
Open WebUI: LLMs(原Ollama WebUI)方便用户的WebUI.
Text Generation WebUI: A Gradio Web UI 用于大语言模型. 支持变压器,GPTQ,AWQ,EXL2,lama.cpp(GGUF),Llama型号.
Xinference:一个强大的多功能图书馆,旨在服务语言、语音识别和多式联运模式。
LangChain: 构建上下文感推理应用程序.
LlamaIndex: 您 LLM 应用程序的数据框架。
lobe-chat:一个开源,现代设计LLM/AI聊天框架. 支持多AI供应商,多Modals(Vision/TTS)和插件系统.
TensorRT-LLM: TensorRT-LLM为用户提供了一个易于使用的Python API,用于定义大语言模型(LLMS),并构建包含最先进的优化的TensorRT引擎,以高效地在NVIDIA GPU上进行推论.
vllm (🔥): LLMS的高通量和内存效率推论及服务引擎.
LlamaChat:在本地的macOS应用中与你最喜欢的LLaMA模型聊天.
努维迪亚·查特克斯: ChatRTX是一个演示应用程序,可以让你个性化一个连接在自己内容上的GPT大语言模型(LLM)——docs, note, 或其他数据.
LM工作室 (简体中文). ^ 第1页.:发现,下载,并运行本地LLM.
chat-with-mlx: 使用 MLX 框架在苹果硅上以本土方式与您的数据聊天.
LLM 定价: 快为您的预算找到完美的大语言模型(LLM) API! 使用我们的免费工具即时访问顶级供应商的最新价格。
Open Interpreter:计算机的自然语言界面.
Chat-ollama: 基于LLMs的开源聊天器. 它支持广泛的语言模式和知识库管理。
chat-ui:开源代码库为HuggingChat应用提供动力.
MemGPT: 创建具有长期内存和自定义工具的LLM代理.
koboldcpp:使用KoboldAI的UI运行各种GGML和GGUF模型的简单单文件方式.
LLMFarm: 拉玛和其他大型语言模型在iOS和MacOS上使用GGML库离线.
enchanted:Chanted是iOS和macOS应用,用于与使用Ollama的Llama2,Mistral或Vicuna等私人自主主机语言模型聊天.
Flowise: 拖放 UI 来构建您的定制的 LLM 流量。
Jan: Jan是ChatGPT的开源替代品,在您的计算机上运行100%的离线. 多引擎支持(llama.cpp, TensorRT-LLM).
LMDeploy:LMDeplof是一个用于压缩,部署,以及服务LLMS的工具包.
RouteLLM:服务和评价LLM路由器的框架 - 在不损害质量的情况下节省LLM成本!
MInference关于: 为了加快Long-context LLMs的推论,大约和动态的稀疏计算注意力,这样可以将推论的延迟度降低10x,用于A100上的预填,同时保持准确性.
Mem0:个人化AI的记忆层.
SGLang (🔥):SGLang是大型语言模型和视觉语言模型的又一个快速服务框架.
AirLLM: AirLLM优化推论内存使用,允许70B大语言模型在单张4GB GPU卡上运行推论,而不进行量化,蒸馏和挤压. 你可以运行 405B Llama3.1 在8GB vram现在。
LLMHub:LLMHub是一个轻量级的管理平台,旨在简化操作和与各种语言模型(LLMs)的互动.
YuanChat
LiteLLM (🔥):使用 OpenAI 格式调用所有 LLM API [Bedrock, Huggingface, VertexAI, CollegeAI, Azure, OpenAI, Groq 等].
GuideLLM: GuideLLM是评价和优化大型语言模型(LLM)部署的有力工具.
LLM-Engines:大型语言模型(LLM)的统一的推论引擎,包括开源模型(VLLM,SGLang,Congree)和商业模型(OpenAI,Mistral,Claude).
OARC: ollama agent roll cage(OARC)是本地的蟒蛇代理fusing ollama llm的语音模型,Keras分类器,Llava视觉,Whisper识别,更多用于为本地,定制自动化创建统一的聊天机器人代理.
g1:使用Groq上的Llama-3.1 70b来创建类似o1的推理链.
MemoryScope:内存Scope为LLM聊天人提供了强大而灵活的长期内存能力,为建立这种能力提供了一个框架.
OpenLLM:运行任意开源的LLMs,如Llama 3.1,Gemma,作为云中的OpenAI兼容API端点.
Infinity: 为LLM应用构建的AI-native数据库,提供惊人快速的混合搜索,对密集嵌入,稀疏嵌入,拉伸和全文进行搜索.
optillm: OpenAI API兼容优化推论代理,它执行几种最先进的技术,可以提高LLM的准确性和性能.
LLaMA Box: LLM 推论服务器基于 lama.cpp.
ZhiLight:Llama及其变体的高度优化推论加速引擎.
DashInfer: DashInfer是一个本地的LLM推论引擎,旨在在各种硬件架构上提供行业领先性能.
LocalAI: OpenAI,克劳德等人的自由开放源码的替代品. 自办及地方第一. 滴入取代OpenAI,运行在消费级硬件上. 无需 GPU 。
ktransformers: 体验剪切前沿LLM推论优化的灵活框架.
SkyPilot:运行AI,并在任何以下(Kubernetes或14+云)上批量工作. 通过简单的接口获得统一的执行,节省成本,以及高的GPU可用性.
Chitu:大型语言模型的高性能推论框架,侧重于效率,灵活性和可用性.
TokenSwift:从小时到分钟:超长序列生成的无损失加速.
Cherry Studio (🔥):一个支持多个LLM提供者的桌面客户端,可以在Windows,Mac和Linux上找到.
Shimmy: Python 无 Rust 推论服务器——OpenAI-API兼容. GGUF + SafeTensors,热型模型互换,自动发现,单二进制.
LlamaBarn: 用简单的菜单栏应用程序在您的 Mac 上运行本地 LLMs 。
Parallax:一个分布式的模型服务框架,让你在任何地方建立自己的AI集群.
xLLM: LLMS 的高性能推论引擎,优化用于多种AI加速器.
Rapid-MLX:OpenAI兼容苹果硅的本地LLM推论服务器,比Ollama快2-4x.
TokenSpeed:一个为代理工作量设计的光速LLM推论引擎,具有TensorRT-LLM级性能和vLLM级可用性. 我们的目标是成为生产代理工作量中最能发挥作用的推论引擎。
FreeToken:解锁你已经拥有的硬件上的数据中心级智能.

回到顶部

评价

lm-evaluation-harness:语言模型的几率评价框架.
opencompass (🔥):OpenCompass是一个LLM评价平台,支持100+数据集以上的多种模型(Llama3,Mistral,InternLM2,GPT-4,LLaMa2,Quen,GLM,Claude等).
llm-comparator: LLM 语言比较器是一个交互式数据可视化工具,用于评估和分析LLM响应并肩开发.
EvalScope (🔥)
编织:用于跟踪和评估LLM应用的轻量级工具包.
MixEval:从LLM基准混音中衍生出人群智慧.
Evaluation guidebook:如果你曾经想过如何确保 LLM 很好地完成你的具体任务,这个指南是给你的!
Ollama Benchmark: LLM 通过Ollama(当地法学硕士)实现产出的基准。
VLMEvalKit:大型视觉语言模型(LVLM)的开源评价工具包,支持~100VLM,40+基准.
阿吉爱华
EvalScope: 为高效的大型模型评价和业绩基准制定精简和定制的框架。
DeepEval:一个简单易用,开源的LLM评价框架,用于评价和测试大语言模型系统.
Lighteval: Lighteval 是用于评价LLMs跨多个后端的全能工具包.
QwQ/eval:QwQ是Quen团队开发的推理模型系列,阿里巴巴云.
Evalchemy:一个统一易用的工具包,用于评价经过培训后的语言模型。
MathArena:对最新数学竞赛的法学硕士学位的评价。
YourBench:动态基准生成框架。
MedEvalKit: 统一医学评价框架。
OpenJudge:综合评价和质量奖励的统一框架。

回到顶部

经历

回到顶部

知识库RAG

AnythingLLM: 任何LLM的全自动AI应用程序有完整的RAG和AI Agent cabiblits.
MaxKB:基于LLM大语言模型的知识基础问答系统. 打开盒子支持快速嵌入第三方操作.
RAGFlow: 基于深层文档理解的开源RAG(检索-增强生成)引擎.
Dify:开源LLM应用开发平台. Dify的直观界面结合了AI工作流程,RAG管道,代理能力,模型管理,可观察性特征等等,让你迅速从原型转向生产.
FastGPT:基于LLM的基于知识的平台,提供箱外数据处理和模型引用能力,允许通过Flow可视化进行工作流程的调谐.
Langchain-Chatchat基于Langchain和ChatGM Answer等不同大语言模型的本地知识库
QAnything:问答基于一切.
Quivr:个人生产力助理(RAG) QQ与您的docs(PDF, CSV,.) & 应用 Langchain, GPT 3.5 / 4 turbo, Private, Anthropic, VertexAI, Ollama, LLMs, Groq , 您可以与用户共享! OpenAI GPTs & ChatGPT 的本地和私有替代品,通过检索式生成获得动力.
RAG-GPT:RAG-GPT利用LLM和RAG技术,从用户定制的知识库中学习,为广泛的查询提供符合具体情况的答案,确保快速和准确的信息检索.
Verba: Retrival Advanced Generation (RAG) 由Weaviate提供动力的聊天机.
FlashRAG:高效RAG研究的Python工具箱。
GraphRAG:一个基于模块图的检索-增强生成(RAG)系统.
LightRAG:LightRAG帮助开发者同时建设和优化Retriever-Agent-Generator管道.
GraphRAG-Ollama-UI: GraphRAG 使用 Ollama 与 Gradio UI 和 Extra 功能.
nano-GraphRAG: 简便易包的GraphRAG执行.
RAG Techniques:这个寄存器展示了各种高级技术用于 Retrival-Augmented Generation(RAG)系统. RAG系统将信息检索与基因模型相结合,以提供准确和内容丰富的响应.
ragas: 回收增生管道的评价框架。
kotaemon: 用于与您的文档聊天的可自定义的 RAG UI 。由终端用户和开发商同时考虑建造.
RAGapp:在任何企业中最容易使用代理RAG的方法.
TurboRAG: 加速检索 - 增强生成, 预压缩 KV Caches for Chunked Text.
LightRAG:简单而快速的检索-增强的一代.
TEN:Next-Gen AI-Agent Framework,世界上第一个真正实时的多模式AI代理框架.
AutoRAG: RAG AutoML 工具,用于自动为您的数据找到最佳的 RAG 管道。
KAG:KAG是一个基于OpenSPG引擎的知识增强生成框架,用于构建知识强化的严格决策和信息检索知识服务.
Fast-GraphRAG: RAG 智能地适应您的使用大小写,数据和查询.
Tiny-GraphRAG
DB-GPT GraphRAG:DB-GPT GraphRAG将基于三重体的知识图和文档结构图融合在一起,同时利用社区和文档检索机制来提升RAG的能力,实现可比较的性能,同时只消耗微软GraphRAG所需的50%的令牌. 参见DB-GPT 图 RAG 用户手册详细情况。
Chonkie无意识的RAG 拼凑的库是轻量级,闪电快的,准备好 CHONK你的文本。
RAGLite:RAGLite是一个Python工具箱,用于PostgreSQL或SQLite的Retrival-Augmented Generation(RAG).
KAG: KAG是一个基于OpenSPG引擎和LLMs的逻辑形式引导推理和检索框架.
CAG: CAG通过预先将所有相关资源装入模型的上下文并缓冲其运行时间参数,来杠杆现代大语言模型(LLM)的扩展上下文窗口.
MiniRAG:一个极其简单的检索-增强生成框架,它使小型模型能够通过不同的图表索引和轻量级地形增强检索实现良好的RAG性能.
XRAG:一个基准框架,旨在评价先进的检索增强生成系统的基础组成部分。
Rankify: 用于检索、再搜索和检索增强一代的综合Python工具箱。
RAG-Anything:全能RAG系统.

回到顶部

聪明

AutoGen: AutoGen是一个框架,它能够利用多种代理来开发LLM应用程序,这些代理可以相互交替解决任务. 自动 Gen AIStudio
CrewAI:协调角色扮演的框架,自主AI代理. 通过培养合作情报,CrewaI授权代理商无缝合作,处理复杂的任务.
高兹.
AgentGPT: 在您的浏览器中集成、配置和部署自主的 AI 代理。
XAgent: 复杂任务解决方案的自主 LLM 代理.
MobileAgent:强大的移动设备操作助理家庭.
Lagent:用于建设LLM基质的轻量级框架.
Qwen-Agent: 代理框架和应用程序基于Qun2, 即函数调用、代码解释器、RAG和Chrome扩展。
链接AI一站式 AI 智能体平台
Baidu APP 构建器
agentUniverse: Agent University是一个LLM多代理框架,允许开发者轻松构建多代理应用程序. 此外,通过社区,它们可以交流和分享不同领域的模式做法。
LazyLLM多代理大型模型应用低码构建开发工具
AgentScope: 开始以更简单的方式构建LLM-动力多代理应用程序.
AgentField:用于规模建设和运行API等AI代理的开源控制平面,具有路由,内存,可观察性,身份,认证,和政策控制.
MoA: 代理人混合(MoA)是一种新颖的方法,利用多个LLM的集体优势来提高性能,实现最先进的成果.
Agently:AI代理应用开发框架.
OmAgent: 解决复杂任务的多式联运代理框架。
Tribe:没有快速建立和协调多代理团队的代码工具.
CAMEL:第一个LLM多代理框架和一个开源社区,致力于寻找代理的缩放定律.
PraisonAI:PraisonAI应用将AutoGen和CrewAI或类似框架结合成一个用于构建和管理多代理LLM系统的低码解决方案,侧重于简单,自定义,高效的人类代理协作.
IoA: 合作AI代理的开源框架,使各种分布式代理能够通过类似互联网的连通性来协同和处理复杂的任务.
llama-agentic-system : Llama Stack APIs的代理组件.
Agent Zero:Agent Zero不是一个预先定义的代理框架. 它被设计为动态的,有机的生长, 和学习当你使用它。
Agents: 以数据为中心,自演自主语言代理的开源框架.
AgentScope: 开始以更简单的方式构建LLM-动力多代理应用程序.
FastAgency:将多代理工作流程带入制作的最快方式.
Swarm:建立、协调和部署多代理系统的框架。由OpenAI解决方案团队管理. 实验框架.
Agent-S:一个开放式的代理框架,使用像人类一样的计算机.
PydanticAI: Agent Framework / shim 使用带有 LLMs 的 Pydantic 。
Agentarium:用于创建和管理包含AI动力代理的模拟的开源框架.
smolagents:供特工使用的赤骨库. 特工们写着蟒蛇代码来调用工具并指挥其他特工.
Cooragent:Cooragent是一个AI代理合作社区.
Agno: Agno是一个轻量级的库,用于构建具有记忆,知识,工具和推理的代理.
Suna:开源通论AI代理.
rowboat:让AI在几分钟内为您构建多代理工作流程.
EvoAgentX:构建AI代理自演的生态系统.
ii-agent:新的开源框架,用于构建和部署智能代理.
OWL: 优化劳动力学习通用多代理协助现实世界任务自动化.
OpenManus:没有堡垒,纯粹是空地. 开曼纳斯来了
JoyAgent-JDGenie:该行业首个完成程度低的通用多智能产品.
coze-studio:一个AI代理开发平台,拥有全能的视觉工具,简化代理创建,调试,和前所未有的部署.
OxyGent:高级Python框架,赋予开发者快速构建生产准备智能系统的能力.
LazyCraft:LazyCraft是一个基于LazyLM的AIAgent应用开发和管理平台,旨在协助开发者在低门槛,低成本的情况下快速构建和发布大型模型应用.
OpenAgents: AI代理网络开放协作.
SandBox: All-in-One Sandbox for AI Agents,将浏览器, Shell, File, MCP和VSCode Server合并在一个Docker容器中.
DeepAnalyze:自主数据科学的第一代理LLM,支持特定数据任务(数据编制,分析,建模,可视化,以及透视)和面向数据的深度研究(制作分析师级研究报告).
Astron Agent:企业级,商业友好的代理工作流程平台,用于建设下一代超级代理.
Youtu-Agent: 一个简单而强大的代理框架,以开源模型提供.
MiroThinker:一个开源搜索代理模型,为工具强化推理和现实世界信息寻找所建,旨在配合OpenAI Deep Research和双子座Deep Research的深度研究经验.
Nexent:自动生成代理的零码平台——不需要管弦乐,不需要复杂的拖放,使用纯语言来开发任何想要的代理.
Yunjue-Agent: 一个完全可复制,零启动的不限任务自演代理系统.
Hindsight:由矢量化制作的AI特工最先进的长期记忆. 开放源代码,可自宿,集成于LangChain,CrewAI,LlamaIndex,MCP等.
AgentsMesh:AI特工劳动力平台. 与远程AI工作站(AgentPods),PTY沙盒+git工作树隔离,基于频道的代理协作,内置的Kanban,以及每个pod的MCP服务器进行可自行托管的多代理管弦. 支持克劳德代码,Codex CLI,双子座CLI,Aider,OpenCode.
BitFun:开源代理开发环境,配有Rust/Tauri桌面应用和CLI,用于编码,研究,办公工作,浏览器和桌面自动化,通过MCP,技能,和自定义代理可扩展.

调和

pi:AI代理工具包:统一LLM API,代理环路,TUI,编码代理CLI.
DeepSeek Harness: 一切都是一个插件。
OpenSquilla: 一种具有符号效率的微内核AI代理.
PenguinHarness: 您的自动代理构建器, 位于您的桌面/ 服务器上。
FrontierAgent:一个开源代理运行时间,终端产品,以及用于长视研究和基于文件的工作的评价套件.

回到顶部

研究

回到顶部

代码

Cloi CLI: 在您的终端运行的本地调试代理。
变形
数字
新来的
光标
挥手
cline
拖车
磁共振
Roo Code
Kilo Code
增强代码
Claude Code (🔥)
Claude Code (🔥) + 键 Happy Coder 页:1 CodePilot 页:1 cc-connect
Gemini CLI
Serena
Claudia
OpenCode
基罗.
代码库
基罗.
CodeX (🔥)
Kimi-CLI
opencode
Multica
Atomic Agent
DeepSeek Harness

回到顶部

视频

型号

[!NOTE] 🤝Awesome-Video-Diffusion

编辑

Wan2.1-VACE-14B: https://huggingface.co/Wan-AI/Wan2.1-VACE-14B
Ditto: https://github.com/EzioBy/Ditto
Bernini (🔥): https://github.com/bytedance/Bernini
JoyAI-Video-Edit: https://huggingface.co/jdopensource/JoyAI-Video-Edit

培训

参数

实用工具

PySceneDetect: Python和基于OpenCV的场景剪切/过渡检测程序库(Lible).
DOVER:从审美和技术角度对用户生成的内容进行视频质量评估.
ArtiMuse: 精细的图像美学评估与联合斯科林和专家级理解.

回到顶部

图像

生成

awesome-nano-banana
Awesome-Nano-Banana-images
HunyuanImage-3.0：https://github.com/Tencent-Hunyuan/HunyuanImage-3.0
Seedream 4.0：https://arxiv.org/abs/2509.20427
LongCat-Image：https://huggingface.co/meituan-longcat/LongCat-Image
Z-Image-Turbo：https://huggingface.co/Tongyi-MAI/Z-Image-Turbo
- https://huggingface.co/inclusionAI/TwinFlow
Qwen-Image：https://huggingface.co/Qwen/Qwen-Image
Qwen-Image-2512：https://huggingface.co/Qwen/Qwen-Image-2512
Z-Image：https://huggingface.co/Tongyi-MAI/Z-Image
ERNIE-Image: https://huggingface.co/baidu/ERNIE-Image
- ERNIE-Image-Turbo: https://huggingface.co/Baidu/ERNIE-Image-Turbo
Nucleus-Image: https://huggingface.co/NucleusAI/Nucleus-Image
HiDream-O1-Image: https://huggingface.co/HiDream-ai/HiDream-O1-Image
Ideogram 4: https://github.com/ideogram-oss/ideogram4
Boogu-Image: https://github.com/boogu-project/Boogu-Image
Krea-2-Raw: https://huggingface.co/krea/Krea-2-Raw
SenseNova-U1: https://github.com/OpenSenseNova/SenseNova-U1
Mage-Flow: https://huggingface.co/collections/microsoft/mage
Qwen-Image-2.1: https://huggingface.co/Qwen/Qwen-Image-2.1

编辑

ChronoEdit-14B: https://huggingface.co/nvidia/ChronoEdit-14B-Diffusers
Eigen-Banana-Qwen-Image-Edit: https://huggingface.co/eigen-ai-labs/eigen-banana-qwen-image-edit
Qwen-Image-Edit-2509: https://huggingface.co/Qwen/Qwen-Image-Edit-2509
- Upscale: https://huggingface.co/vafipas663/Qwen-Edit-2509-Upscale-LoRA
- Multiple-angles: https://huggingface.co/dx8152/Qwen-Edit-2509-Multiple-angles
- Multi-Angle-Lighting: https://huggingface.co/dx8152/Qwen-Edit-2509-Multi-Angle-Lighting
LongCat-Image-Edit: https://huggingface.co/meituan-longcat/LongCat-Image-Edit
Qwen-Image-Edit-2511: https://huggingface.co/Qwen/Qwen-Image-Edit-2511
- Qwen-Image-Edit-2511-Upscale2K: https://huggingface.co/valiantcat/Qwen-Image-Edit-2511-Upscale2K
- Qwen-Image-Edit-2511-Multiple-Angles-LoRA: https://huggingface.co/fal/Qwen-Image-Edit-2511-Multiple-Angles-LoRA
FireRed-Image-Edit: https://huggingface.co/FireRedTeam/FireRed-Image-Edit-1.0
JoyAI-Image-Edit: https://huggingface.co/jdopensource/JoyAI-Image-Edit

统一

培训

Ostris：https://github.com/ostris/ai-toolkit
FlymyAI：https://github.com/FlyMyAI/flymyai-lora-trainer
Nitro-T：https://github.com/AMD-AGI/Nitro-T
(🔥) DiffSynth-Studio：https://github.com/modelscope/DiffSynth-Studio
Musubi Tuner: https://github.com/kohya-ss/musubi-tuner
SimpleTuner: https://github.com/bghira/SimpleTuner
MS Training: https://www.modelscope.cn/aigc/modelTraining
Finetune HunyuanImage-3.0: https://github.com/PhotonAISG/hunyuan-image3-finetune
OneTrainer: https://github.com/Nerogar/OneTrainer
Finetune LongCat-Image and Edit: https://github.com/meituan-longcat/LongCat-Image/tree/main/train_examples
Flow-Factory: https://github.com/X-GenGroup/Flow-Factory
UniRL: https://github.com/Tencent-Hunyuan/UniRL

评价

ULMEvalKit：https://github.com/ULMEvalKit/ULMEvalKit

参数

TypemovieInfer: https://github.com/typemovie/TypemovieInfer

回到顶部

搜索

OpenSearch GPT:SearchGPT / 复杂克隆,但为您个性化.
MindSearch:基于LLM的多代理框架的Web搜索引擎(如Perplexity.ai Pro和SearchGPT).
nanoPerplexityAI: 最简单的开源执行迷惑.ai.
curiosity:尝试构建类似Perplexity的用户体验.
MiniPerplx:一个最小化的AI动力搜索引擎,帮助你在互联网上查找信息.

回到顶部

语音演讲

TTS 数字

SpeechGPT-2.0-preview: https://github.com/OpenMOSS/SpeechGPT-2.0-preview
Moss-TTSD：https://github.com/OpenMOSS/MOSS-TTSD
Index-TTS：https://github.com/index-tts/index-tts
MegaTTS3：https://github.com/bytedance/MegaTTS3
F5-TTS：https://github.com/SWivid/F5-TTS
GPT-SoVITS：https://github.com/RVC-Boss/GPT-SoVITS
CosyVoice：https://github.com/FunAudioLLM/CosyVoice
Spark-TTS：https://github.com/SparkAudio/Spark-TTS
OpenVoice：https://github.com/myshell-ai/OpenVoice
Dia：https://github.com/nari-labs/dia
ChatTTS：https://github.com/2noise/ChatTTS
Fish Speech：https://github.com/fishaudio/fish-speech
Edge-TTS：https://github.com/rany2/edge-tts
Bark：https://github.com/suno-ai/bark
kokoro: https://github.com/hexgrad/kokoro
希格斯音频 V2: https://github.com/boson-ai/higgs-audio [Training
KittenTTS: https://github.com/KittenML/KittenTTS
ZipVoice: https://github.com/k2-fsa/ZipVoice
VyvoTTS: https://github.com/Vyvo-Labs/VyvoTTS
VibeVoice: https://github.com/microsoft/VibeVoice
Index-TTS-2: https://huggingface.co/IndexTeam/IndexTTS-2
FireRedTTS2: https://github.com/FireRedTeam/FireRedTTS2
VoxCPM: https://github.com/OpenBMB/VoxCPM/
Neutts-Air: https://github.com/neuphonic/neutts-air
Maya1: https://huggingface.co/maya-research/maya1
VibeVoice: https://huggingface.co/collections/microsoft/vibevoice
GLM-TTS: https://github.com/zai-org/GLM-TTS
Fun-CosyVoice3: https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512
Qwen3-TTS:https://huggingface.co/collections/Qwen/qwen3-tts
Ming-Omni-TTS: https://github.com/inclusionAI/Ming-omni-tts
VoxCPM2: https://huggingface.co/openbmb/VoxCPM2
OmniVoice: https://github.com/k2-fsa/OmniVoice
MOSS-TTS-v1.5: https://huggingface.co/OpenMOSS-Team/MOSS-TTS-v1.5
Higgs Audio v3 TTS: https://huggingface.co/bosonai/higgs-audio-v3-tts-4b
Confucius4-TTS: https://github.com/netease-youdao/Confucius4-TTS
Dia-1.6B: https://huggingface.co/nari-labs/Dia-1.6B-0626
FireRedTTS3: https://github.com/FireRedTeam/FireRedTTS3

STT/ASR 导弹

Kyutai: https://github.com/kyutai-labs/delayed-streams-modeling
Whisper: https://github.com/openai/whisper
Audio Flamingo 3: https://huggingface.co/nvidia/audio-flamingo-3
Voxtral: https://huggingface.co/mistralai/Voxtral-Mini-3B-2507
Step-Audio2: https://github.com/stepfun-ai/Step-Audio2
SoulX-Podcast: https://huggingface.co/collections/Soul-AILab/soulx-podcast
Omnilingual ASR: https://github.com/facebookresearch/omnilingual-asr
Fun-ASR: https://huggingface.co/FunAudioLLM/Fun-ASR-Nano-2512
FunASR: https://github.com/modelscope/FunASR
SenseVoice: https://github.com/FunAudioLLM/SenseVoice
VibeVoice-ASR: https://huggingface.co/microsoft/VibeVoice-ASR
Qwen3-ASR: https://github.com/QwenLM/Qwen3-ASR
Mega-ASR: https://github.com/xzf-thu/Mega-ASR
MOSS-Transcribe-Diarize: https://huggingface.co/OpenMOSS-Team/MOSS-Transcribe-Diarize

语音互动

Fun-Audio-Chat: https://huggingface.co/FunAudioLLM/Fun-Audio-Chat-8B
Chroma 1.0: https://huggingface.co/FlashLabs/Chroma-4B
AudioInteraction: https://huggingface.co/zhifeixie/AudioInteraction

回到顶部

世界模式

型号

ShadowDancer: https://github.com/AlayaLab/ShadowDancer
PhiZero: https://github.com/yaoyao-jpg/PhiZero
Wonder: https://arxiv.org/pdf/2607.26037
open-dreamer: https://github.com/next-state/open-dreamer
Cosmos3-Edge: https://huggingface.co/nvidia/Cosmos3-Edge
WorldWander: https://github.com/showlab/WorldWander
Matrix-Game-3.5: https://github.com/Riemann-Dynamics/Matrix-Game-3.5
ABot-World: https://github.com/amap-cvlab/ABot-World
LingBot-World-V2: https://huggingface.co/collections/robbyant/lingbot-world-v2
AlayaWorld: https://github.com/AlayaLab/AlayaWorld
MoWorld: https://moxin-tech.github.io/moworld/
Warp-as-History: https://github.com/yyfz/Warp-as-History
MIRA: https://github.com/mira-wm/mira ” 多人 ”
ActWorld: https://interactwm.github.io/ActWorld/
Sana-WM: https://nvlabs.github.io/Sana/WM/
Cosmos-3: https://github.com/nvidia/cosmos
DreamX-World-5B: https://huggingface.co/GD-ML/DreamX-World-5B
DreamX-World-5B-Cam: https://modelscope.cn/models/GD-ML/DreamX-World-5B-Cam
Astra: https://eternalevan.github.io/Astra-project/
Yume-5B: https://huggingface.co/stdstu123/Yume-5B-720P
LingBot-World: https://github.com/robbyant/lingbot-world
HY-WorldPlay: https://huggingface.co/tencent/HY-WorldPlay
Matrix-Game-3.0: https://huggingface.co/Skywork/Matrix-Game-3.0
Matrix-Game-2.0: https://huggingface.co/Skywork/Matrix-Game-2.0
Waypoint-1.5-1B: https://huggingface.co/Overworld/Waypoint-1.5-1B
Hunyuan-GameCraft: https://hunyuan-gamecraft.github.io/
AlayaWorld: https://github.com/AlayaLab/AlayaWorld
WorldWander: https://github.com/showlab/WorldWander

框架

nano-world-model: https://github.com/simchowitzlabpublic/nano-world-model
minWM: https://github.com/shengshu-ai/minWM
stable-worldmodel: https://github.com/galilai-group/stable-worldmodel
OpenWorldLib: https://github.com/OpenDCAI/OpenWorldLib
BiWM: https://github.com/LynnReal-AI/BiWM

回到顶部

龙虾OpenClaw

MultiUserClaw: https://github.com/johnson7788/MultiUserClaw
ClawManager: https://github.com/Yuan-lab-LLM/ClawManager
Qclaw: https://github.com/qiuzhi2046/Qclaw
NEXU: https://github.com/nexu-io/nexu
OpenHanako: https://github.com/liliMozi/openhanako

回到顶部

统一模式

现在统一型号已经来自理解+生成变成理解+生成+编辑

Emu-2：https://arxiv.org/abs/2312.13286
Emu-3：https://arxiv.org/abs/2409.18869
Emu-1：https://arxiv.org/abs/2307.05222
Janus：https://github.com/deepseek-ai/Janus
Janus-Pro：http://arxiv.org/abs/2508.05954
show-o：https://arxiv.org/abs/2408.12528
Any-GPT：https://arxiv.org/abs/2402.12226
Next-GPT：https://arxiv.org/pdf/2309.05519.pdf
CoDi：https://arxiv.org/abs/2305.11846
Seed-X：https://arxiv.org/abs/2404.14396
Dream-LLM：https://arxiv.org/abs/2309.11499
Chameleon：https://arxiv.org/abs/2405.09818
Spider：https://arxiv.org/abs/2411.09439
MedViLaM：https://arxiv.org/abs/2409.19684
VITRON：https://github.com/SkyworkAI/Vitron
TokenFlow：https://github.com/ByteFlow-AI/TokenFlow
OneDiffusion：https://github.com/lehduong/OneDiffusion
MetaMorph: https://arxiv.org/abs/2412.14164
LlamaFusion：https://arxiv.org/abs/2412.15188
InstructSeg：https://arxiv.org/abs/2412.14006
VILA-U：https://arxiv.org/abs/2409.04429
Ullava: https://github.com/OPPOMKLab/u-LLaVA
ILLUME: https://arxiv.org/abs/2412.06673
Vitron:https://arxiv.org/abs/2412.19806
SynerGen-VL：https://arxiv.org/abs/2412.09604
Align Anything：https://arxiv.org/abs/2412.15838
Mico：https://arxiv.org/abs/2406.09412
OneLLM:https://arxiv.org/abs/2312.03700
X-VILA:https://arxiv.org/abs/2405.19335
OLA：https://arxiv.org/abs/2502.04328
Transfusion: https://arxiv.org/abs/2408.11039
JanusFlow: https://arxiv.org/abs/2411.07975
HealthGPT：https://arxiv.org/abs/2502.09838 `医疗 ’
BAGEL：https://arxiv.org/abs/2505.14683
Qwen2.5-Omni：https://arxiv.org/abs/2503.20215
X2I：https://arxiv.org/abs/2503.06134
Bifrost-1：https://arxiv.org/abs/2508.05954
OmniGen2：https://arxiv.org/abs/2506.18871
UniPic：https://github.com/SkyworkAI/UniPic
VeOmni：https://github.com/ByteDance-Seed/VeOmni `培训 ’
NextStep-1：https://arxiv.org/abs/2508.10711
UniUGG: https://arxiv.org/abs/2508.11952 ” 三维 ”
Omni-Video：https://arxiv.org/abs/2507.06119
OneCAT：https://arxiv.org/abs/2509.03498
Lumina-DiMOO：https://github.com/Alpha-VLLM/Lumina-DiMOO
UAE：https://github.com/PKU-YuanGroup/UAE
RecA：https://arxiv.org/abs/2509.07295
UniLM：https://arxiv.org/abs/1905.03197
Hyper-Bagel：https://arxiv.org/abs/2509.18824
Ming-UniVision：https://arxiv.org/abs/2510.06590
EditVerse：https://arxiv.org/abs/2509.20360
LightBagel: https://arxiv.org/abs/2510.22946
DreamLLM: https://arxiv.org/abs/2309.11499
X-Omni: https://arxiv.org/abs/2507.22058
Ming-flash-omni-Preview: https://huggingface.co/inclusionAI/Ming-flash-omni-Preview
Omni-View: https://arxiv.org/abs/2511.07222
NExT-OMNI: https://arxiv.org/abs/2510.13721
Uni-MoE-2.0-Omni: https://arxiv.org/abs/2511.12609
LongCat-Flash-Omni: https://huggingface.co/meituan-longcat/LongCat-Flash-Omni
ShapeLLM-Omni: https://arxiv.org/abs/2506.01853
UniGen-1.5: https://arxiv.org/abs/2511.14760
Jodi: https://arxiv.org/abs/2505.19084
UniModel: https://arxiv.org/abs/2511.16917
TUNA: https://arxiv.org/abs/2512.02014
HBridge: https://arxiv.org/abs/2511.20520
EMMA: https://arxiv.org/abs/2512.04810
OpenOmni: https://github.com/RainBowLuoCS/OpenOmni
Ming-Flash-Omni: https://arxiv.org/abs/2510.24821
STAR: https://github.com/mm-mvr/star
InternVL-U: https://github.com/OpenGVLab/InternVL-U
LongCat-Next: https://github.com/meituan-longcat/LongCat-Next
SenseNova-U1: https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-SFT
TUNA-2: https://github.com/facebookresearch/tuna-2
Lance: https://github.com/bytedance/Lance
JoyAI-VL-Interaction: https://arxiv.org/abs/2606.14777 ” 互动 ”
MOSS-VL-Realtime: https://huggingface.co/OpenMOSS-Team/MOSS-VL-Realtime ” 互动 ”
SenseNova-Vision: https://huggingface.co/collections/sensenova/sensenova-vision
Mage-VL: https://huggingface.co/microsoft/Mage-VL ” 互动 ”

回到顶部

书

回到顶部

课程

LLM 资源中心

斯坦福大学:
人人享有普遍认识
LLM 课程干事
ACL 2023 Academy:基于搜索的语言模型和应用
llm-course: Course to get into Large Language Models (LLMs) with roadmaps and Colab notebooks.
微软: Generative AI for Beginners
微软: GTT 状态
HuggingFace NLP Course
清华,NLP,刘智元团队模式开放.
斯坦福:同心V4
斯坦福大学:
普林斯顿COS 597G(2022年底)
约翰·霍普金斯 CS 601.471/671 NLP:自定义模型
李洪义,基因AI课程
openai-cookbook: 使用OpenAI API的示例和指南.
Hands on llms:通过设计,培训和部署实时财务顾问LLM系统,免费学习LLM,LLMOps,以及矢量DBS.
滑铁卢大学
迷宫:从迷宫开始.
斯坦福:同心V4
Coursera: 聊天应用程序提示
LangGPT:赋予每个人迅速成为专家的权力!
mistralai-cookbook
大赦国际 2024
build nanoGPT: Video+code 关于从零开始建造纳米GPT的讲座.
LLM101n:我们建一个故事解.
RAG 知识地图
LLMs From Scratch (Datawhale Version)
打开RAG
通往AGI的道路
安德烈·卡帕奇 - 神经网络:英雄0
变压器的交互式可视化
andysingal/llm-course
LM 类
Google 高级: GeneAI 用于开发者的学习路径
Anthropics：Prompt Engineering Interactive Tutorial
LLMsBook
大语言模型代理
Cohere LLM大学
法学硕士和变形器
Smol Vision:用于缩小,优化,定制尖端视觉模型的食谱.
多式联运 RG: 与视频聊天
LLMs Interview Note
RAG++:从POC到生产:高级RAG课程.
体重和比亚塞西学院: 微调,用LLMs建设,结构化产出和更多的LLM课程.
快速工程 & AI 教程和资源
学习RAG – Python AI 来自Scratch,来自工程师Langchain
LLM 评价:完成课程
HuggingFace Learn
Andrej Karpath:像ChatGPT那样深入LLMS
LLM技术科普
CS25:调制器 V5
RAG_Techniques:这个寄存器展示了各种高级技术用于 Retrival-Augmented Generation(RAG)系统. RAG系统将信息检索与基因模型相结合,以提供准确和内容丰富的响应.
100+ LLM & RL Algorithm Maps | 原创 LLM / RL 100+原理图
加强大语言模式的学习
NanoChat:100美元能买到的最好的ChatGPT.
斯坦福的CS146S:现代软件开发
加强大语言模式的学习

回到顶部

教学

回到顶部

纸张

[!NOTE] 🤝Huggingface Daily Papers自动交换冷纸自动交换ML Papers Explained

回到顶部

社区

回到顶部

MCP 模式上下文协议

MCP 工具聚合 :

回到顶部

技能

回到顶部

打开 O1

[!NOTE]

开放技术是我们永恒的追求.

回到顶部

打开 O3

Mini-o3: https://arxiv.org/abs/2509.07969
Simple-o3: https://arxiv.org/abs/2508.12109
Thyme: https://arxiv.org/abs/2508.11630
Open o3 Video: https://arxiv.org/abs/2510.20579

回到顶部

小语言模型

回到顶部

小视频语言模型

回到顶部

技能提示

我们用LLMS建造的一年里学到了什么?
我们用LLMS建造的一年里学到了什么?
我们与法师共建的一年中学到了什么(第三部分): 战略
LLM 语言
文本分类法学硕士:监督研究指南
没有受监督的文本分类:LLMS中的自然语言分类
文本分类:最佳做法概览
LLM 定价
Uncensor any LLM with abliteration
Tiny LLM Universe
Zero-Chatgpt
Zero-Qwen-VL
finetune-Qwen2-VL
MPP-LLaVA
build_MiniLLM_from_scratch
Tiny LLM zh
MiniMind:3小时从0GPT开始全程训练,小参数只有26M,最少2G显卡为理由.
LLM-Travel:进一步了解、探索和实现与大型模型有关的技术、原则和应用
知识蒸馏:用合成数据教授LLM
构成部分1:调整大语文模式的方法
第二部分:精细或不精细
第三部分:如何微调:侧重于有效的数据集
读取器 - LM: 用于清理和转换 HTML 的小型语言模型
LLMs 申请一年的心脏
LLM 语言培训----预培训
pytorch-llama:LLaMA 2从零开始在PyTorch执行.
Preference Optimization for Vision Language Models with TRL [support model
Fine-tuning visual language models using SFTTrainer [docs
专家混合视觉指南
在ChatGPT等大型语言模型中扮演的角色
Distributed Training Guide: 关于如何写出分布式烟火训练规范的最佳做法和指南.
聊天模板
前20名+RAG访谈问题
LLM-Dojo 开源大模型学习场所，使用简洁且易阅读的代码构建模型训练框架
O1 不是聊天模式。
Beam 搜索快速理解和代码解析
基于变压器方法的多样化文本生成:参数意义和算法理解
The Ultra-Scale Playbook: Training LLMs on GPU Clusters

回到顶部

贡献者 :

如果你认为这个项目会帮助你,请引用:

@misc{wang2024llm,
      title={awesome-LLM-resourses},
      author={Rongsheng Wang},
      year={2024},
      publisher = {GitHub},
      journal = {GitHub repository},
      howpublished = {\url{https://github.com/WangRongsheng/awesome-LLM-resourses}},
}

Alt

HagiCode

HagiCode 是面向项目开发的 AI 编码工作台：丰富、便捷的界面交互让规划、Agent 执行与项目工作更容易上手和跟进，带来更投入的开发体验。

丰富、便捷的界面交互，让规划、Agent 执行与项目工作更容易上手和跟进。

访问 HagiCode 阅读文档

智能OpenSpec 工作流把意图转化为从提案、设计、任务到交付的可执行路径。
高效多 Agent 并行推进调研、实现与审阅，并支持多仓库变更和你熟悉的 Agent CLI。
有趣丰富、便捷的界面交互让规划、Agent 执行与项目工作更容易上手和跟进，带来更投入的开发体验。

下载 Windows 版

从 Microsoft Store 获取

全部下载

HagiCode 通过丰富、便捷的界面交互，让规划、Agent 执行与项目工作更容易上手和跟进：https://www.hagicode.com/

让想法变成真正交付的软件。

HagiCode 是面向项目开发的 AI 编码工作台：用 OpenSpec 工作流规划变更，多 Agent 并行执行，再由 Hero Scenario 让进度一目了然，把想法变成真正交付的软件。

下载 HagiCode 产品文档

智能: OpenSpec 工作流把意图变成从提案到交付的可执行路径。
高效: 多 Agent 并行推进调研、实现与审阅。
有趣: 丰富、便捷的界面交互，让规划、Agent 执行和项目工作更容易跟进。

LLM Resources

我们会成为朋友。

目录

建议

播音员

数据

精细的图宁

代理 RL 软件

推论

评价

经历

知识库RAG

聪明

调和

研究

写入

审查草案

PPT 密码

其他人员

全自动科学.

代码

视频

型号

编辑

培训

参数

实用工具

图像

生成

编辑

统一

培训

评价

参数

搜索

语音演讲

TTS 数字

STT/ASR 导弹

语音互动

世界模式

型号

框架

龙虾OpenClaw

统一模式

书

课程

教学

纸张

社区

MCP 模式上下文协议

技能

打开 O1

打开 O3

小语言模型

小视频语言模型

技能提示

HagiCode

下载 Windows 版

分享 HagiCode

让想法变成真正交付的软件。

Cookie 与分析

必要：始终开启

分析：接受前关闭