根据Github Trendings的统计,本月(2025-02-01统计)共有20个项目上榜。根据开发语言中项目的数量,汇总情况如下:
开发语言 | 项目数量 |
---|---|
Python项目 | 8 |
TypeScript项目 | 3 |
Jupyter Notebook项目 | 2 |
Rust项目 | 2 |
HTML项目 | 2 |
C++项目 | 1 |
Ruby项目 | 1 |
JavaScript项目 | 1 |
Svelte项目 | 1 |
非开发语言项目 | 1 |
Go项目 | 1 |
Ollama: 本地大型语言模型设置与运行
- 创建周期:248 天
- 开发语言:Go
- 协议类型:MIT License
- Star数量:42421 个
- Fork数量:2724 次
- 关注人数:42421 人
- 贡献人数:138 人
- Open Issues数量:709 个
- Github地址:https://github.com/ollama/ollama.git
- 项目首页: https://ollama.com
Ollama是一个开源项目,帮助用户在本地设置和利用诸如Llama 2、Mistral和Gemma等大型语言模型。
开放式WebUI(前身为Ollama WebUI)
- 创建周期:147 天
- 开发语言:Svelte
- 协议类型:MIT License
- Star数量:7242 个
- Fork数量:641 次
- 关注人数:7242 人
- 贡献人数:59 人
- Open Issues数量:67 个
- Github地址:https://github.com/open-webui/open-webui.git
- 项目首页: https://openwebui.com
开放式WebUI(前身为Ollama WebUI)是一个用户友好的界面,支持LLM运行器,如Ollama和兼容OpenAI的API。
大型语言模型(LLMs)课程
- 创建周期:229 天
- 开发语言:Jupyter Notebook
- 协议类型:Apache License 2.0
- Star数量:22437 个
- Fork数量:2157 次
- 关注人数:22437 人
- 贡献人数:2 人
- Open Issues数量:23 个
- Github地址:https://github.com/mlabonne/llm-course.git
- 项目首页: https://mlabonne.github.io/blog/
大型语言模型(LLMs)课程分为三个部分:LLM基础涵盖了数学、Python和神经网络的基本知识,LLM科学家专注于使用最新技术构建最佳的LLM,LLM工程师专注于创建基于LLM的应用程序并部署它们。
开源个人理财应用
- 创建周期:21 天
- 开发语言:TypeScript
- 协议类型:GNU Affero General Public License v3.0
- Star数量:12632 个
- Fork数量:885 次
- 关注人数:12632 人
- 贡献人数:21 人
- Open Issues数量:34 个
- Github地址:https://github.com/maybe-finance/maybe.git
- 项目首页: https://maybe.co
这是一个开源的个人理财应用,旨在进行个人理财管理和财富管理。
Tabby: 自托管的AI编码助手
- 创建周期:310 天
- 开发语言:Rust
- 协议类型:Other
- Star数量:15151 个
- Fork数量:575 次
- 关注人数:15151 人
- 贡献人数:48 人
- Open Issues数量:133 个
- Github地址:https://github.com/TabbyML/tabby.git
- 项目首页: https://tabby.tabbyml.com/
Tabby是一款自托管的AI编码助手,提供了一个开源和本地化的GitHub Copilot替代方案。它是自包含的,无需DBMS或云服务,提供了OpenAPI接口,易于与现有基础设施(例如云IDE)集成,并支持消费级GPU。
Crawl4AI: 大型语言模型友好的开源网络爬虫与数据提取工具
- 创建周期:144 天
- 开发语言:Python, HTML
- 协议类型:Apache License 2.0
- Star数量:5648 个
- Fork数量:419 次
- 关注人数:5648 人
- 贡献人数:9 人
- Open Issues数量:7 个
- Github地址:https://github.com/unclecode/crawl4ai.git
Crawl4AI是一个开源的网络爬虫和数据提取工具,旨在为大型语言模型和人工智能应用提供友好的支持。它简化了异步网络爬取和数据提取,使其对人工智能应用更加易用。该项目还提供了同步版本以及在不同分支上的先前版本。
Khoj:开源AI辅助工具
- 创建周期:1013 天
- 开发语言:Python, HTML
- 协议类型:GNU Affero General Public License v3.0
- Star数量:6609 个
- Fork数量:309 次
- 关注人数:6609 人
- 贡献人数:28 人
- Open Issues数量:48 个
- Github地址:https://github.com/khoj-ai/khoj.git
- 项目首页: https://khoj.dev
Khoj是一个开源的人工智能工具,作为副驾驶帮助用户从自己的笔记或互联网上找到答案。它利用强大的LLM,如GPT-4和Llama3,可以在线访问或本地自行托管。用户可以从多个平台访问Khoj,包括Obsidian、Emacs、桌面应用程序、Web或Whatsapp。
STORM: 利用大型语言模型从零开始撰写类似维基百科的文章
- 创建周期:22 天
- 开发语言:HTML
- 协议类型:MIT License
- Star数量:1070 个
- Fork数量:101 次
- 关注人数:1070 人
- 贡献人数:3 人
- Open Issues数量:6 个
- Github地址:https://github.com/stanford-oval/storm.git
- 项目首页: https://arxiv.org/abs/2402.14207
STORM是一个由LLM驱动的知识整理系统,它研究一个主题并生成带引用的全文报告。该存储库包含了一篇在NAACL 2024上发表的论文的代码,题为“利用大型语言模型从零开始撰写类似维基百科的文章”的作者是Yijia Shao,Yucheng Jiang,Theodore A. Kanell,Peter Xu,Omar Khattab和Monica S. Lam。