AI 项目

THU-MAIC/OpenMAIC TypeScript ⭐ 18,086

OpenMAIC:多智能体交互课堂,一键生成沉浸式学习体验 | THU-MAIC/OpenMAIC

清华团队开源的 OpenMAIC(Open Multi-Agent Interactive Classroom),是一个在浏览器里运行的 AI 课堂系统。你给一个主题或上传 PDF/Markdown 文档,几分钟后就会生成由 AI 老师、多个 AI 学生实时互动的课堂。老师用白板画图、语音讲解,AI...

tanweai/pua TypeScript ⭐ 17,808

让AI助手摆脱“敷衍了事”的性能改进计划 | tanweai/pua

一个真实的调试样本 我用Claude Code调试一个MCP服务器。加载失败,报错信息里只写了“协议格式无效”。AI的做法:改协议版本号,从1.0改到1.2再改回1.0,重复了四次。然后它说:“建议检查网络连接。” 我把这段对话截图发到了同事群里。同事回了一句:“这跟新人实习生有什么区别?” 区别在...

karpathy/autoresearch Python ⭐ 84,027

用Markdown编程:Karpathy的自主AI研究框架解析 | karpathy/autoresearch

一个目标:用AI自主迭代LLM训练 Karpathy在2026年3月放出这个仓库时,附了一段虚构历史:“有一天,前沿AI研究曾经由肉计算机在吃饭、睡觉、娱乐之间完成……那个时代早已过去。现在研究完全由AI agent群在天空中计算集群巨结构上自主进化。这个repo是这一切如何开始的故事。” 玩笑归玩...

tirth8205/code-review-graph Python ⭐ 17,654

用图结构降低AI代码审查的上下文开销 | tirth8205/code-review-graph

问题:AI读太多,但读不到重点 我用AI做代码审查时遇到一个重复出现的情况:改了一行函数签名,AI助手把仓库里三百多个文件全扫了一遍,最后给出一个跟这次改动毫不相关的重构建议。不是模型笨,问题在于AI工具不知道哪些文件真的跟这次改动有关。它能看到所有文件路径和文本内容,但看不到函数谁调用了谁、类谁继...

Panniantong/Agent-Reach Python ⭐ 46,858

Agent Reach:给AI代理装上互联网眼睛的CLI工具 | Panniantong/Agent-Reach

我试了5个主流AI代理工具,让它们去网上找点东西,结果挺让人失望的:读不了推特、看不懂小红书、B站视频总结不了、Reddit帖子返回403。每个平台都有自己的一套限制——付费API、登录墙、IP封锁、反爬机制。单个平台折腾一下还能解决,但要把YouTube、推特、Reddit、小红书、B站、微博、微...

agentscope-ai/QwenPaw Python ⭐ 17,069

QwenPaw:全自主可控的个人AI助理平台 | agentscope-ai/QwenPaw

一句话说清楚项目 QwenPaw 是一个自托管的 AI 助手框架。它跑在你自己的机器或云服务器上,数据不离开你的环境,没有第三方托管,没有数据上传。安装命令: ` pip install qwenpaw ` 当前版本 1.1.10(2026 年 6 月 1 日),标注 preview,有已知问题。P...

mksglu/context-mode TypeScript ⭐ 15,961

mksglu/context-mode:AI编程助手的上下文优化方案 | mksglu/context-mode

问题的核心不是窗口太小,是窗口里装错了东西 每个MCP工具调用都会把完整输出扔进上下文窗口。Playwright截图占用56KB,获取20个GitHub issue占用59KB,一次Nginx访问日志占用45KB。这些数据堆半个小时,40%的上下文就没了。 平台为了给新内容腾空间,会压缩对话历史。压...

cft0808/edict Python ⭐ 15,913

三省六部制 AI 协作:一个可审计、可干预的多 Agent 系统 | cft0808/edict

上个月我评审一份供应链协议,用CrewAI跑了三个Agent。结果出来,付款条款里“违约责任”没了。我又试了AutoGen,加了个人工审核节点,但忙起来忘看,系统自动通过了。问题不在LLM本身,在于Agent之间没有互相制约的强制检查——就像写代码没有lint和单元测试,写完直接上线。 然后我看到了...

AlexsJones/llmfit Rust ⭐ 26,843

llmfit:一行命令匹配本地硬件的LLM模型筛选器 | AlexsJones/llmfit

下载模型前先看这个。不需要你算显存、换算力、测试过多少个版本。打开终端,执行 llmfit,工具扫描你的 CPU、GPU、内存、带宽,直接生成一张表——每行一个模型版本,绿的是能跑,黄的是勉强能跑但可能慢,红的是跑不了。 我是被 70B 的 FP16 搞过。下载了一百四十多 GB,启动直接 OOM,...