目录

Github 2024-06-03 开源项目周报 Top15

根据Github Trendings的统计,本周(2024-06-03统计)共有15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6
HTML项目1
Lua项目1
Jupyter Notebook项目1
Dart项目1
C++项目1

Fabric: 用人工智能增强人类能力的开源框架

  • 创建周期:40 天
  • 开发语言:Python, JavaScript
  • 协议类型:MIT License
  • Star数量:5128 个
  • Fork数量:406 次
  • 关注人数:5128 人
  • 贡献人数:22 人
  • Open Issues数量:2 个
  • Github地址:https://github.com/danielmiessler/fabric.git

/images/danielmiessler-fabric-0.png

Fabric 是一个开源框架,旨在利用人工智能增强人类能力。它提供了将问题分解为组件的哲学,并提供了一种提示的框架方法。该框架包括快速入门指南、设置 fabric 客户端、使用模式、创建 fabric mill、结构、组件、CLI-native 特性、直接调用模式、示例以及主要贡献者的详细信息。

LazyVim: Neovim配置的懒人方式

  • 创建周期:506 天
  • 开发语言:Lua
  • 协议类型:Apache License 2.0
  • Star数量:13257 个
  • Fork数量:894 次
  • 关注人数:13257 人
  • 贡献人数:152 人
  • Open Issues数量:83 个
  • Github地址:https://github.com/LazyVim/LazyVim.git
  • 项目首页: https://lazyvim.github.io/

/images/lazyvim-lazyvim-0.png

LazyVim是由lazy.nvim提供支持的Neovim设置,旨在使用户轻松定制和扩展其配置。它提供了根据需要调整配置的灵活性,同时也提供了预配置设置的便利性。

Sunshine: 自托管的游戏流主机

  • 创建周期:901 天
  • 开发语言:C++
  • 协议类型:GNU General Public License v3.0
  • Star数量:13778 个
  • Fork数量:672 次
  • 关注人数:13778 人
  • 贡献人数:105 人
  • Open Issues数量:100 个
  • Github地址:https://github.com/LizardByte/Sunshine.git
  • 项目首页: http://app.lizardbyte.dev/Sunshine/

Sunshine 是一个自托管的游戏流主机,为 Moonlight 提供低延迟、云游戏服务器功能,支持 AMD、Intel 和 Nvidia GPU 进行硬件编码。它还提供软件编码和 Web UI 用于配置和客户端配对。

SWE-agent: 将语言模型转化为软件工程代理

  • 创建周期:3 天
  • 开发语言:Python
  • 协议类型:MIT License
  • Star数量:4809 个
  • Fork数量:401 次
  • 关注人数:4809 人
  • 贡献人数:10 人
  • Open Issues数量:24 个
  • Github地址:https://github.com/princeton-nlp/SWE-agent.git
  • 项目首页: https://swe-agent.com/

SWE-agent是一个项目,将语言模型(如GPT-4)转化为软件工程代理,能够修复真实GitHub存储库中的错误和问题。它在完整的SWE-bench测试集上取得了最先进的性能,解决了12.29%的问题。

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

/images/khoj-ai-khoj-0.png

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。

Ente: 开源端到端加密的照片存储平台

  • 创建周期:496 天
  • 开发语言:TypeScript, Dart
  • 协议类型:GNU Affero General Public License v3.0
  • Star数量:6019 个
  • Fork数量:385 次
  • 关注人数:6019 人
  • 贡献人数:50 人
  • Open Issues数量:97 个
  • Github地址:https://github.com/ente-io/ente.git
  • 项目首页: https://ente.io

Ente是一个完全开源的、端到端加密的平台,为您提供了一个替代Google照片和Apple照片的选择。它提供了两个应用程序,Ente照片和Ente认证,并已经通过外部审核对其源代码和密码学进行了审核。

定制AI助手框架及Hello World模板

  • 创建周期:345 天
  • 开发语言:TypeScript
  • 协议类型:MIT License
  • Star数量:6642 个
  • Fork数量:692 次
  • 关注人数:6642 人
  • 贡献人数:15 人
  • Open Issues数量:52 个
  • Github地址:https://github.com/CopilotKit/CopilotKit.git
  • 项目首页: https://copilotkit.ai

/images/copilotkit-copilotkit-0.png

这个开源项目是一个用于构建定制AI副驾驶、应用内AI聊天机器人、应用内AI代理和AI动力文本区的框架。它还包括“Hello World”模板,以便轻松实现。

YOLOv10: 实时端到端目标检测

  • 创建周期:4 天
  • 开发语言:Python
  • 协议类型:GNU Affero General Public License v3.0
  • Star数量:1352 个
  • Fork数量:107 次
  • 关注人数:1352 人
  • 贡献人数:119 人
  • Open Issues数量:27 个
  • Github地址:https://github.com/THU-MIG/yolov10.git
  • 项目首页: https://arxiv.org/abs/2405.14458v1

YOLOv10 是一个开源的实时端到端目标检测项目。YOLOv10 的官方PyTorch实现已经推出,已更新了新的检查点、类名,并集成到X-AnyLabeling中。此外,还提供了Transformers.js、colab、HuggingFace的演示,以及不同YOLOv10模型的onnx权重。

Univer: Google Sheets、Slides和Docs的开源替代方案

  • 创建周期:605 天
  • 开发语言:TypeScript
  • 协议类型:Apache License 2.0
  • Star数量:3672 个
  • Fork数量:369 次
  • 关注人数:3672 人
  • 贡献人数:29 人
  • Open Issues数量:176 个
  • Github地址:https://github.com/dream-num/univer.git
  • 项目首页: https://univer.ai

Univer是一个开源项目,旨在为Google Sheets、Slides和Docs提供替代方案。目前仍在积极开发中,用户应该预期会有重大的API变化。该项目欢迎社区的反馈、问题和建议。

MiniCPM-V 和 OmniLMM: 图文理解的开源多模态大模型系列

  • 创建周期:78 天
  • 开发语言:Python
  • 协议类型:Apache License 2.0
  • Star数量:861 个
  • Fork数量:49 次
  • 关注人数:861 人
  • 贡献人数:8 人
  • Open Issues数量:10 个
  • Github地址:https://github.com/OpenBMB/MiniCPM-V.git

MiniCPM-V 和 OmniLMM 是面向图文理解的开源多模态大模型系列。它们接受图像和文本输入,并提供高质量的文本输出。MiniCPM-V 2.0 版本能够处理任意长宽比的图像,具有 180 万像素,实现了类似 Gemini Pro 的场景文字识别能力和与 GPT-4V 相当的低幻觉率。OmniLMM-12B 模型在多个基准测试中优于同规模的其他模型,并实现了比 GPT-4V 更低的幻觉率。

Dataherald: 企业级自然语言到SQL引擎

  • 创建周期:342 天
  • 开发语言:Python, TypeScript
  • 协议类型:Apache License 2.0
  • Star数量:2323 个
  • Fork数量:158 次
  • 关注人数:2323 人
  • 贡献人数:15 人
  • Open Issues数量:4 个
  • Github地址:https://github.com/Dataherald/dataherald.git
  • 项目首页: https://dataherald.readthedocs.io/en/latest/

/images/dataherald-dataherald-0.png

Dataherald是一个面向企业级问题解答的自然语言到SQL引擎,可用于关系数据。它允许从数据库建立API以用简单的英语回答问题,使业务用户能够在不涉及数据分析师的情况下访问数据仓库的见解。该monorepo包含了四个组件,可以在/services下一起使用,以建立端到端的Dataherald部署:引擎、企业、管理控制台和Slackbot。

Agentic RAG: 企业级应用程序中的人工智能模型集成

  • 创建周期:28 天
  • 开发语言:TypeScript
  • 协议类型:Apache License 2.0
  • Star数量:658 个
  • Fork数量:61 次
  • 关注人数:658 人
  • 贡献人数:4 人
  • Open Issues数量:8 个
  • Github地址:https://github.com/ragapp/ragapp.git

Agentic RAG是一个开源项目,提供了一种简单的方法将人工智能模型集成到企业应用程序中。通过运行具有提供的映像的docker容器,并通过Admin UI配置RAGapp,用户可以利用来自OpenAI、Gemini和Ollama的本地模型的人工智能模型。

Mistral-finetune: Mistral模型的轻量级内存高效微调工具

  • 创建周期:3 天
  • 开发语言:Python, Jupyter Notebook
  • 协议类型:Apache License 2.0
  • Star数量:1312 个
  • Fork数量:64 次
  • 关注人数:1312 人
  • 贡献人数:6 人
  • Open Issues数量:7 个
  • Github地址:https://github.com/mistralai/mistral-finetune.git

Mistral-finetune 是一个轻量级的代码库,旨在实现对 Mistral 模型进行内存高效和高性能的微调。它基于 LoRA,这是一种训练范式,其中大多数权重被冻结,只有 1-2% 的额外权重以低秩矩阵扰动的形式进行训练。该代码库针对多 GPU 单节点训练设置进行了优化,并建议使用 A100 或 H100 GPU 以实现最大效率。然而,对于像 7B 这样的较小模型,单个 GPU 就足够了。该存储库旨在提供对 Mistral 模型进行简单、有指导性的微调入口,并在方法上持有一定的观点,特别是在数据格式方面。

Farfalle - 开源AI驱动搜索引擎

  • 创建周期:39 天
  • 开发语言:TypeScript
  • 协议类型:Apache License 2.0
  • Star数量:1826 个
  • Fork数量:135 次
  • 关注人数:1826 人
  • 贡献人数:3 人
  • Open Issues数量:14 个
  • Github地址:https://github.com/rashadphz/farfalle.git
  • 项目首页: https://www.farfalle.dev/

Farfalle是一个开源的AI驱动搜索引擎,允许用户运行本地语言模型或使用云模型。它提供了使用LLM(如llama3、gemma、mistral和phi3)或云模型(如Groq/Llama3和OpenAI/gpt4-o)的选项。GitHub上提供了在M1 Macbook Pro上使用phi3回答问题的演示。

CogVLM2: 基于Meta-Llama-3-8B的新一代开源多模态模型

  • 创建周期:13 天
  • 开发语言:Python
  • 协议类型:Apache License 2.0
  • Star数量:446 个
  • Fork数量:22 次
  • 关注人数:446 人
  • 贡献人数:4 人
  • Open Issues数量:13 个
  • Github地址:https://github.com/THUDM/CogVLM2.git

CogVLM2是基于Meta-Llama-3-8B-Instruct的新一代开源多模态模型。它在诸如TextVQA和DocVQA等基准测试中有显著改进,支持8K内容长度,图像分辨率高达1344 * 1344,并提供支持中英文的模型版本。