AI 工具

OpenWorker是吴恩达团队开源的MIT协议AI"同事"应用，运行在你的桌面上——自带模型密钥(OpenAI/Anthropic/Gemini/Kimi或本地Ollama皆可)，25+个工具连接器(含MCP)，敏感操作需人工批准，还能定时跑自动化任务，最终交付的是一份写好的文档或已发出的回复，而不只是一段对话。

DeepTutor是HKUDS推出的开源agent原生学习工作台，把聊天、测验、研究、精通练习都跑在同一套记忆系统上——背后有一篇arXiv论文，CLI也是专门设计给其他agent驱动的。

OpenCut是一款免费开源(MIT)的视频编辑器，支持网页、桌面和移动端，定位为尊重隐私的CapCut替代品。它的GitHub主仓库目前正在从头重写，经典版代码已归档。

BrowserOS是一个AGPL-3.0开源的Chromium分支，内置AI智能体——同一个仓库还发布了BrowserClaw，一款让你的编码智能体用你自己的登录态来操控的独立浏览器。

nanobot是HKUDS推出的开源自托管个人AI智能体框架，自带WebUI、MCP工具、长期记忆、多渠道聊天app接入和OpenAI兼容API，核心代码保持小而精简。

herdr 是一个单文件 Rust 二进制程序，把你的终端变成专为 AI 编码智能体设计的复用器——可分离的会话、智能体能自己驱动的 socket API，且不依赖 Electron。

Orca 是一款开源的智能体开发环境（ADE），能让 Claude Code、Codex、Cursor 等 20 多种编码智能体在各自独立的 git worktree 中并行运行，还配有手机端伴侣应用和原生 SSH 支持。

ComfyUI 完全指南：用于专业 AI 图像生成的节点式工作流。构建复杂管线、管理依赖关系并创建可共享的工作流模板。

MinerU（70,600+ GitHub star）将 PDF、DOCX、PPTX、XLSX、图像和网页转换为结构化 Markdown 和 JSON，用于 LLM、RAG 和 Agent 工作流程。 支持 109 种语言的 OCR、公式到 LaTeX、表格到 HTML，并在 CPU 或 GPU 上运行。

A real-time AI-powered global intelligence dashboard aggregating news, geopolitical events, and infrastructure tracking. 59K stars. Open-source alternative to Palantir Gotham.

A full-stack open-source AI voice studio that lets you clone any voice, generate speech, and dictate into any app. 33K stars. Runs locally on your machine with CUDA or Apple Silicon support.

MoneyPrinterTurbo（83,031 GitHub star）使用AI LLM一键生成高清短视频。脚本、语音、字幕、背景音乐——全部自动化。包括设置教程、管道分解和真实视频基准测试。

OpenMontage (8.3K+ GitHub stars) is the world's first open-source, agentic video production system. 12 production pipelines, 52 tools, 500+ agent skills. Turn any AI coding assistant into a full video studio — from animated explainers to cinematic trailers to real-footage documentaries. Zero API keys needed for basic output.

ChatTTS 是专为对话（而非朗读）设计的Open SourceTTS。3.93万GitHub星标，最低4GB显存，RTX 4090上RTF 0.3，支持笑声和停顿的精细韵律控制。2026完整安装+生产环境设置指南。

Understand-Anything 将任何代码库转变为一个可交互的知识图谱，您可以在其中探索、搜索和查询。支持 Claude Code、Codex、Cursor、Copilot、Gemini CLI。在 GitHub 上拥有 60,339 个星标。

微软 AutoGen 团队的 MarkItDown 可以将 20 多种文件类型转换为供 LLM 使用的 Markdown。使用 pip install markitdown[all]，提供 Python API、LangChain 集成、RAG 流水线和批量处理功能。

Knowledge Work Plugins（20,728 颗星）由 Anthropic 打造，为 Claude 扩展了强大的文档编辑、代码分析、网页浏览和文件操作工具。为你的工作流构建自定义插件。

Academic Research Skills（31,628 颗星）自动化研究流水线：搜索论文、提取洞察、综合发现并撰写文献综述。专为 Claude Code 构建，采用模块化技能架构。

Taste Skill 是一个可移植的 Agent 技能框架，通过更强的布局、排版、动效和间距设计，全面提升 AI 生成的前端界面。兼容 Codex、Cursor、Claude Code 和 ChatGPT Images。

AI Engineering From Scratch（32,771 颗星）是一套全面的课程体系，涵盖 LLM 微调、RAG、Agent 框架和生产部署。学习构建、交付和扩展 AI 系统。

Oh My Pi（12,554 颗星）通过一键式设置和自动化配置，将树莓派设备转变为智能家居中心、媒体中心和开发工作站。

Apple 发布了 container，这是一款基于 Swift 的工具，可在 Mac 上使用轻量级虚拟机运行 Linux 容器。已获得 37K star，兼容 OCI，需要 macOS 26。

NVIDIA Cosmos 是一个Open Source的世界模型平台，包含数据集和工具，用于构建物理AI——机器人、自动驾驶汽车、智能基础设施。Cosmos 3 采用混合Transformer架构，统一支持语言、图像、视频、音频和行动生成。提供16B和64B两种模型。

Impeccable（3.7 万星标）是为 AI 编码代理设计的编程语言，包含 23 个命令、41 个检测规则和实时浏览器迭代。通过确定性的设计质量检查修复 AI 生成的 UI 粗糙问题。兼容 Claude Code、Cursor 和 Codex。

学习如何部署字节跳动的 UI-TARS Desktop，这是一款视觉语言 AI Agent，可以观看你的屏幕并通过自然语言控制应用程序。包含逐步安装、实际基准测试和与替代方案的比较。

Learn how to use RuView, the Python-based WiFi spatial intelligence platform that tracks real-time positions, maps building layouts, and optimizes WiFi mesh networks. Step-by-step pip install guide, real-time tracking, and mesh network configuration.

TurboVec (RyanCodrai/turbovec) 是基于 Google Research TurboQuant 算法的向量索引，用 Rust 编写并提供 Python 绑定。可无缝替换 LangChain、LlamaIndex、Haystack 和 Agno。使用 4 位量化和 SIMD 加速实现高性能向量搜索。涵盖 Python 集成、基准测试和生产部署。

奥德赛（69,110个GitHub星标）是一个自助托管的AI工作站，结合了聊天、代理自动化、深度研究、文档编辑、邮件筛选、日历等功能。支持vLLM、llama.cpp、Ollama、OpenRouter、OpenAI和GitHub Copilot。提供Docker和原生Linux/macOS安装方式。

Odysseus 是Open Source、隐私优先的 AI 工作台（9天6.3万 star，MIT 协议）。一条 Docker 命令即可获得聊天、AI 智能体、深度调研、邮件自动分类、日历、笔记和模型 Cookbook——全部运行在自己的硬件上。本文详解安装步骤、核心功能及与 ChatGPT Plus 的对比。

nanochat（54,800 GitHub 星标）是 Andrej Karpathy 的Open Source ChatGPT 克隆项目，可在单张 100 美元 GPU 上运行。使用 SGLang 从头训练或通过 vLLM 提供预训练模型服务。包含设置指南、训练基准和部署示例。

ViMax (7.1K+ GitHub stars) from Hong Kong University Data Science Lab is the first widely-adopted open-source agentic video generation framework. Instead of one-shot prompt-to-video like Sora or Runway, it orchestrates four AI roles — Director, Screenwriter, Producer, Video Generator — to produce long-form multi-scene videos from a single idea. Full breakdown of the agentic pipeline, supported backends (Gemini Flash, MiniMax, Google Veo), install steps, idea-to-video and script-to-video workflows, and honest comparison with Sora, OpenSora, Runway.

Supertonic（GitHub 9.9K+ stars）由韩国语音 AI 公司 Supertone Inc. 推出，是 2026 年最具说服力的本地多语种 TTS 模型。11551 万参数、31 种语言（含韩语/日语/越南语/中文）、44.1kHz 录音棚级音质、10 个表情标签，通过 ONNX Runtime 跑在 CPU 上——无云端、无 API、无 GPU。Python、Node.js、浏览器（WebGPU/WASM）、iOS、Android、Rust、Flutter 全平台 SDK。完整功能拆解、安装、代码示例与 2026 本地 TTS 横向对比。

AUTOMATIC1111 stable-diffusion-webui 是 163k 星的自托管 SD/SDXL 图像生成事实标准 UI。2026 完整安装+生产指南：txt2img / img2img / 修复 / 扩展 / LoRA / ControlNet、硬件要求、替代品（Forge / SD.Next）。

本地部署生产级 Mistral 大模型——8x7B MoE 架构、mistral-inference、vLLM 高吞吐服务、GGUF 量化、函数调用与微调。完整设置指南。

Ultimate Vocal Remover (UVR) is a GUI application for vocal removal using deep neural networks. Compatible with demucs, RVC, GPT-SoVITS. Covers Windows, macOS, Linux installation, model selection, batch processing, and production hardening.

WhisperX是一款开源ASR工具包，支持词级时间戳和说话人分离。兼容faster-whisper、pyannote.audio和OpenAI Whisper模型。涵盖Docker部署、Python API、性能测试和生产环境加固。

Wan 2.1是阿里巴巴推出的一套开放的视频基础模型，性能达到SOTA水平。支持ComfyUI、Diffusers和Gradio。覆盖T2V、I2V、视频编辑以及文本生成，提供1.3B和14B两种参数规模。

VoiceCraft 是一个用于零样本语音编辑和语音合成（TTS）的 token 填充式神经编解码器语言模型。兼容 GPT-SoVITS、Coqui TTS 和 RVC。涵盖搭建、基准测试、Docker 部署和对比表格。

VideoReTalking (VRT) is an audio-based lip synchronization system for talking head video editing. Compatible with RVC, GPT-SoVITS, and Coqui TTS. Covers installation, inference, Gradio WebUI, production deployment, and benchmarks vs Wav2Lip and SadTalker.

RVC（基于检索的语音转换）是一个基于 VITS 的语音转换框架，兼容 GPT-SoVITS、Coqui TTS 和 Demucs。本教程涵盖 Docker 部署、训练流程、API 集成以及生产环境强化。

OpenAI Whisper (ASR) robust speech recognition via large-scale weak supervision. Compatible with WhisperX, faster-whisper, LibreTranslate. Covers whisper tutorial, whisper vs whisperx, speech recognition setup, whisper python, whisper docker.

Open-Sora is an open-source video generation framework with 29K+ GitHub stars. Covers Docker setup, ComfyUI integration, Stable Diffusion compatibility, production deployment, benchmarks vs HunyuanVideo, CogVideo, and Wan.

MeloTTS 是一个拥有 7400+ star 的高质量多语言文本转语音库。本文对比其与 Coqui TTS、ChatTTS、Bark 的基准表现，涵盖 Python 环境搭建、Docker 部署、实时推理与生产环境强化。

将 Lobe Chat 部署为你的自托管 ChatGPT 替代方案。支持 20+ 个 LLM 提供商、插件系统、PWA、多语言 UI。附带完整的 Docker 部署指南、基准测试和对比。

LibreTranslate（LT）是一款免费、开源的机器翻译API，由Argos Translate驱动。支持Docker、CUDA GPU、30多种语言以及离线部署。涵盖搭建、性能测试、监控，以及与OpenAI Whisper、Coqui TTS、Argos Translate的集成。

InvokeAI（Invoke）是 Stable Diffusion 模型领域领先的创意引擎，拥有业界领先的 WebUI。兼容 SD 1.5、SDXL、FLUX 和 ControlNet。涵盖 Docker 安装、工作流搭建、与 AUTOMATIC1111 和 ComfyUI 的性能对比，以及生产环境加固。

HunyuanVideo（HYV）是腾讯推出的一款拥有 130 亿参数的开源视频生成框架，支持 ComfyUI、Diffusers、Gradio API。本文涵盖 Docker 部署、FP8 量化、多 GPU 推理与生产环境加固。

GPT-SoVITS（GSV）是一款具备零样本能力的少样本声音克隆与 TTS 工具，支持 ComfyUI、RVC 和 MeloTTS 集成。涵盖 Docker 部署、语音训练、API 配置和生产环境加固。

faster-whisper (SYSTRAN) reimplements OpenAI Whisper via CTranslate2 for 4x speedup. Covers faster whisper tutorial, benchmark data, Docker setup, Python API, VAD filter, batch processing, and production hardening with WhisperX and whisper.cpp integration.

Demucs 是 Meta AI 开发的混合频谱图与波形音源分离模型，兼容 Ultimate Vocal Remover、RVC、GPT-SoVITS。涵盖 Demucs 教程、Demucs 与 UVR 对比、Demucs Docker 部署以及生产环境基准测试。

Coqui TTS 是一个开源的文本转语音（Text-to-Speech）深度学习工具包，支持 1100 多种语言、XTTS v2 语音克隆、VITS 端到端合成。文中包含针对 ChatTTS、MeloTTS、Bark 的真实 RTF 基准测试数据、Docker 部署方案和生产环境配置。

CogVideo (CogVideoX) is a text and image-to-video generation model from Zhipu AI. Supports ComfyUI, Diffusers, SAT, and Wan/HunyuanVideo/Open-Sora integration. Covers installation, Docker, inference, fine-tuning, and benchmarks.

部署Baetyl v2.4，将Kubernetes原生的边缘计算能力带到物联网设备。支持AI模型推理、MQTT/BACnet协议、OTA更新、K3s运行时以及云边协同。

2025 年 AI 图像生成工具完全指南，全面对比 Midjourney v7、DALL-E 3、Stable Diffusion 3.5、Adobe Firefly、FLUX 和 Leonardo.ai 的功能与定价。

对比 2025 年主流 AI 搜索引擎——Perplexity、Google Gemini、ChatGPT Search、Copilot 等，从准确性、速度到信息来源覆盖率全方位比较。

横评 2025 年最佳 AI 视频生成工具：OpenAI Sora、Runway Gen-3、Pika 2.0、Kling AI、HeyGen、Luma Dream Machine，对比功能、价格与生成质量。

探索2025年最佳AI数据分析工具——ChatGPT高级数据分析、Julius AI、Tableau Einstein、Excel中的Copilot等。比较各工具的功能、定价与适用场景。

对比2025年顶级AI客服聊天机器人平台——Intercom Fin、Zendesk AI、Freshworks Freddy、ChatGPT Enterprise、Drift 和 Tidio Lyro，了解定价、功能与投资回报率数据。

Compare the best AI meeting assistant tools of 2025. In-depth reviews of Otter.ai, Fireflies.ai, Fathom, Notion AI, Microsoft Copilot for Teams, and Avoma with transcription accuracy, integrations, and pricing.

对比2025年最佳AI代码生成器：GitHub Copilot、Cursor、Tabnine、Amazon CodeWhisperer等。详解各工具的功能、定价与适用场景。

对比 2025 年最好用的文本转语音与语音转录 AI 工具：ElevenLabs、Murf.ai、Whisper、Otter.ai 等，涵盖定价、准确率与适用场景。

探索 2025 年最佳 AI 开发者工具与 IDE 插件——GitHub Copilot、Cursor、Sourcegraph Cody、Tabnine、Codeium 等。对比功能、定价与 IDE 支持。

对比 2025 年最佳的 AI 翻译工具——Google Translate、DeepL、ChatGPT、Microsoft Translator、Smartcat 和 Reverso。从质量、价格到语言覆盖范围全面比较。

Compare the best AI presentation tools of 2025. In-depth reviews of Gamma, Beautiful.ai, Tome, SlidesAI, Canva Magic Design, and Microsoft Copilot for PowerPoint with features, pricing, and use cases.

Compare the best AI content detector tools of 2025. In-depth analysis of GPTZero, Turnitin AI, Copyleaks, Originality.ai, and more with accuracy tests, pricing, and use case recommendations.

读懂PostgreSQL中的EXPLAIN ANALYZE输出，不再迷失方向。学习解读查询计划、定位性能瓶颈并优化数据库性能。

Caveman 是一款 Claude Code 技能，通过智能压缩 AI 输出提示词，平均减少 65% Token 消耗，响应速度提升约 3 倍，技术准确性 100% 不变。支持 Claude Code、Cursor、Gemini CLI、Codex 等 30+ AI 编程助手。

FaceFusion 取代 Roop：模块化 ONNX 管道、多线程渲染、跨平台 GPU 加速——开源 AI 视频换脸引擎。

Bitcoin-Classic (BTCC) 是一个基于 Bitcoin Core v28.1 重建的去中心化数字货币，支持 CPU 挖矿，自带图形界面和内置矿机，让普通人也能体验早期比特币挖矿的乐趣。

WiFi Forge: safe WiFi hacking lab for security research. Learn penetration testing, wireless security and ethical hacking in a controlled environment.

Toprank 是一款基于 Claude Code 构建的Open Source SEO/GEO/ADS 增长工具，自动化关键词研究、内容生成、排名监控与广告投放优化，帮助网站流量翻倍。

了解 Terax AI——一款基于 Tauri 2 + Rust 构建、体积仅 7 MB 的 AI 原生终端模拟器。支持自然语言命令、内联 AI 辅助、智能自动补全，并兼容 bash、zsh、fish 和 PowerShell 等多种 shell。

认识 TabPFN——一款表格数据基础模型，性能超越传统机器学习方法，无需调超参数，几秒钟出结果。

Python上下文管理器：你真正需要的三种场景。掌握with语句、contextlib以及自定义上下文管理器，实现更好的资源管理。

Pixelle-Video 是一款由 AI 驱动的自动短视频生成引擎。只需输入一个主题，即可获得包含脚本、AI 图像、配音和背景音乐的完整视频。

ML Systems Book 是 MIT Press 出版的一本教材，涵盖分布式训练、模型服务、硬件加速以及机器学习基础设施——是 ML 工程师的必读之作。

认识 Ladybird——一款完全从零构建、真正独立的网页浏览器，不依赖 Chrome，不受任何公司控制，纯粹的开源项目。

JustHireMe评测——一款开源的AI求职工作台。这是一套本地优先的求职情报系统，能自动抓取职位列表、给AI匹配质量打分，并生成量身定制的简历和求职信。

发现 HowToCook——一份为程序员打造的开源菜谱，收录 297 道菜。像写代码一样精确清晰的烹饪说明。

Claude Code 会话记忆：如何接入 MemPalace 实现 96.6% 召回率（2026 指南）

AiWind 是一个免费 AI 提示词库，收录 1000+ 专业提示词，适配 GPT-Image 2、Nanobanana、Stable Diffusion、Midjourney 等主流模型，覆盖写实人像、赛博朋克、3D 渲染等多种风格。

2026 年最佳 Buffer 开源替代方案：AiToEarn 对比 Hootsuite 全面评测。

发现启动您的初创公司的最佳 Product Hunt 替代方案

MemPalace is the best-benchmarked open-source AI memory system. Learn how to install it, mine your project history, and retrieve context with semantic search so your AI assistant never forgets again.