Sim:开源AI agent工作流构建器,极简界面助力快速搭建并部署连接多种工具的LLM解决方案。

• 支持云端(sim.ai)和自托管两种模式,快速启动仅需几分钟
• 兼容Docker、Dev Containers、手动安装多种部署方式,灵活适配开发环境
• 利用PostgreSQL+pgvector实现向量嵌入,支持知识库和语义搜索功能
• 内置Copilot管理服务,简化API密钥配置,提升自托管体验
• 技术栈涵盖Next.js、Bun、Tailwind CSS、React Flow、Socket.io等现代前端后端技术
• 低代码/无代码界面,支持用React构建智能agent流程,助力自动化和多工具集成
• 活跃社区,13000+星标,1500+分支,开放贡献,Apache-2.0许可证保障自由使用
• 支持本地GPU/CPU模型运行,免外部API,提升数据隐私和响应速度

Sim从根本上简化了复杂AI流程的设计和部署,适合研发、自动化及业务集成长期使用。
demo.gif
34.8 MB
Starchive:一款集自动下载与高级音频处理于一体的YouTube视频归档利器,支持多格式抓取与智能音乐混音,助力内容创作者突破传统边界。

• 自动抓取访问的YouTube及社交平台视频,支持MP4、WAV音频、字幕(VTT)、缩略图及元数据(JSON)多格式下载
• 利用Ultimate Vocal Remover实现人声与伴奏分离,结合BPM、调性、节拍检测,精确解析音乐结构
• 交互式Blend Shell提供实时混音界面,自动匹配节拍与调性,智能调整音高与速度,避免人声冲突,确保无缝融合
• 采用rubberband技术实现高精度音频同步,支持基于静音分割的片段编辑与智能插入
• 命令行工具覆盖从下载、分析到混音全流程,支持后台运行和手动视频ID输入,灵活高效
• 架构基于Go语言,配套Firefox插件自动触发下载,后台排队处理不影响浏览体验
• 依赖yt-dlp、ffmpeg、rubberband及AI分离工具,持续更新以适应视频平台变化

Starchive突破了传统视频下载工具的局限,将自动化与智能音频处理深度融合,使视频归档和音乐创作成为一体化流程,极大提升创作效率与品质。适合音乐制作人、内容编辑和技术爱好者长期使用。
Awesome-Scientific-Datasets-and-LLMs:科学大模型与数据集全景汇总,助力科研智能化升级:

• 涵盖多学科:生命科学🧬、化学⚗️、物理⚛️、天文🌌、材料学🪨、地球科学🌍、神经科学等核心领域,资源丰富全面。
• 数据类型多样:涵盖文本QA、视觉问答(VQA)、图像-文本、视频-文本等多模态数据,支持预训练、微调及科学推理等多种任务。
• 发展轨迹清晰:从迁移学习到大规模知识整合,再到指令跟随与自主科学Agent,展现科学LLM的四大范式变革。
• 详实时间线:2018年至2025年间,精选标志性模型与数据集,助力把握科研AI发展脉络。
• 开源与闭源兼备:包含众多开源项目,如Intern-S1(241B参数)、ChemLLM、ShizhenGPT等,方便科研团队快速落地与创新。
• 专业评测集:覆盖学术论文、临床对话、医学影像、蛋白质序列等,配备多维度指标(准确率、F1、BLEU、AUROC等),确保模型能力客观量化。
• 跨语种支持:中英双语及多语言资源,兼顾全球科研需求,提升模型适用性与泛化能力。
• 持续更新:项目活跃,定期整合最新论文和数据,关注前沿趋势,保持科研资源的长效价值。

科学研究正从数据积累向智能洞察跃迁,这份汇总为科研人员提供了系统的工具链与知识地图,促进跨领域协作与突破。
CI-VID:首个支持多剪辑连贯视频生成的大规模文本视频混合数据集,突破传统单剪辑配对局限,赋能故事驱动的视频生成技术。

• 超340,000条视频剪辑与丰富字幕交织序列,覆盖334k训练样本+8k测试样本,助力模型同时掌握片内内容与片间时序关系
• 支持Text+Video→Video生成,强化时间和视觉连贯性,推动多场景叙事视频生成质量跃升
• 多维评测体系融合:专业人类评审、基于视觉语言模型(VLM)自动评估、以及客观相似度计算,保障模型性能多角度验证
• 精细数据构建工具:基于相似性和主体实体分割视频,分层生成单剪辑及跨剪辑转场字幕,确保数据结构严谨丰富
• 公开部分视频样本与评测代码,完整6.5TB数据集托管于 Hugging Face,适合深度研发与模型微调
• 专注科研非商业许可,避免数据滥用,确保学术环境下的公平与透明

CI-VID带来更具连续性和叙事性的多剪辑视频生成新范式,适合推进视觉叙事AI、视频理解与生成领域的长期探索与创新。
IWE:面向开发者的本地优先Markdown笔记LSP,打造如IDE般高效的写作与知识管理体验

• 完美集成VSCode、Neovim、Zed、Helix等主流编辑器,基于LSP实现语义理解与交互
• 支持搜索、自动补全、跳转定义、重命名重构、反向链接查找、结构化提示等高级功能
• 扩展Markdown能力:wiki风格链接、表格、子笔记抽取与嵌入,文档自动格式化和链接更新
• 内置AI辅助,编辑器内直接调用AI完成文本改写、内容扩展、重点标记,支持自定义AI命令配置
• 通过“prompts”激发写作灵感,实现笔记间智能联想和内容生成,提升知识沉淀质量
• 支持子目录与层级组织,利用内容地图(MOC)管理复杂笔记结构,像管理代码一样管理知识
• CLI工具秒级处理成千上万文档,支持批量格式化、链接更新、内容合并及DOT格式导出可视化
• 开源、基于Apache-2.0许可,社区驱动持续发展,文档详实,插件生态活跃

让写作与知识管理回归代码级效率,IWE助你构建个人知识库的下一个生产力工具。
SonicMaster 打破传统音乐修复与母带处理工具的边界,实现了全方位、可控的音乐质量提升。

🎵 一体化模型,统一解决混响过强、失真、削波、均衡失衡及立体声窄化等多种音频问题。
📝 支持自然语言指令控制,如“降低混响”,实现细粒度调整,亦可自动模式一键恢复。
🚀 输出品质经客观指标(FAD、SSIM)与听感测试验证,显著超越传统多工具流程。
💾 公开25k(208小时)成对干净与受损音乐数据集,配合自然语言提示,助力训练与评估。
• 完整PyTorch训练与推理代码,兼容Python 3.13,便于研究与二次开发。

SonicMaster不仅优化了技术流程,更引导音乐处理从经验依赖向智能精准迈进,推动音乐后期制作迈入新时代。
为 CPython 构建 JIT 编译器:这篇文章介绍了即将推出的Python JIT编译器,Brant Bucher分享了其开发进展及与C#、Java等语言JIT编译器的不同之处。该编译器旨在提高Python的执行效率,特别是优化频繁运行的代码,力求在性能和灵活性之间取得平衡,同时保持较好的兼容性和优化效果
一个Chrome/Edge的扩展:AI exporter,可以把你与大模型对话导出为PDF、MD、图片或文本等四种方式,用.md格式可以很容易转换为Word、Latex或MathType公式,便于在要写的所有资料里进行修改和完善。
eBPF高质量项目推荐: Linux内核网络包的函数调用跟踪利器 ,由清华大学的学霸团队研发。

SRE工程师经常遇到网络故障,比如内核中莫名其妙发了RST,大量的网络通讯中,想定位它极其困难。 常见方式是tcpdump抓一段时间包,再逐个分析找RST包。

现在不用了,可以直接指定RST包的相关函数进行HOOK, 精确捕获这些包。并且,还有这个函数的调用堆栈,可以更快的确定业务的问题。
香港大学数据智能实验室的项目: RAG-Anything github.com/HKUDS/RAG-Anything

现代文档越来越多地包含多样化的多模态内容——文本、图像、表格、公式、图表和多媒体——传统的以文本为中心的 RAG 系统无法有效处理。RAG-Anything 针对这一挑战,作为一个基于 LightRAG 构建的全面一体化多模态文档处理 RAG 系统。

用户可以通过一个统一的界面查询包含文本、视觉图表、结构化表格和数学公式的文档。这种整合方法使 RAG-Anything 对于学术研究、技术文档、财务报告和企业知识管理特别有价值。
Back to Top