AI 工具目录

Playwright MCP Server是一个使用Playwright的MCP服务器，让LLM能自动化浏览器操作，截图和执行JavaScript。

Playwright 持久化评估环境

Pleias Scholasticai is an AI-powered tool designed for developers and creators.

该项目展示了如何使用OpenAI的实时API构建个性化AI助手，支持工具链和结构化输出。

Pocket Flow是一个仅用100行代码实现的极简LLM框架，轻量且功能强大，支持Agent、Workflow、RAG等模式。

Pocket Flow是一个快速构建企业级AI系统的框架，基于嵌套有向图，模块化且不依赖特定厂商。

Pocket Flow项目模板利用100行LLM框架，配合编辑器，助你通过Agentic Coding构建LLM项目。

PodCastLM是一个将PDF内容转化为音频播客的工具，生成自然对话并输出MP3文件。

将拍摄的照片转换成诗歌并打印出来

AI聊天、交叉分析与知识管理

个人AI生活工作编排框架

AI实时姿态监测与提醒

pot-desktop是一款备受欢迎的跨平台划词翻译和OCR软件，为用户提供便捷的文字翻译和识别功能。

Potpie是一个开源平台，能够为您的代码库创建AI代理，自动化代码分析、测试和开发任务。

Ppt Aippt is an AI-powered tool designed for developers and creators.

PPTAgent是一个自动从文档生成演示文稿的系统，具备内容生成和评估框架。

PPTX2MD是一个将PowerPoint文件转换为Markdown的工具，支持多种格式。

该课程教授如何构建和部署多智能体系统，应用于项目规划、数据分析等实际场景。

AI股票分析与模拟交易

ProcessPainter 是使用扩散模型生成类人绘画过程的工具，目前支持推理和部分训练功能。

ProctorAI是一款多模态AI，监督屏幕并提醒用户停止拖延，提升工作效率。

通过模拟不同的攻击场景来评估系统提示（system prompt）的安全性

帮助讲故事者和创意人士打造独特的midjourney图片提示

Prompt-Singer是一种通过自然语言提示来控制歌唱声音合成的模型。

多语言手语数据集，便捷高效用于手语研究。

文生图提示词增强

AI Prompt智能管理助手

Promptim 是一个实验性的提示优化库，旨在通过自动化流程系统地改善 AI 系统的提示效果。

PromptWizard是一种自我演变的任务感知提示优化框架，通过反馈驱动的改进技术，持续提升提示和示例的有效性。

Promptwright是一款Python库，用于通过本地大语言模型生成合成数据集，操作简单灵活。

PuLID是一种新颖的无需调整的文本至图片生成的定制方法，通过对比对齐实现高ID保真度。

Puppeteer Real Browser 是一个防止被检测为机器人的工具，支持通过验证码。

Pydfy 是一个简化生成 PDF 报告的工具，支持多种组件和自定义。

pypalettes 为Python提供超过2500种色彩映射的集合，适用于matplotlib和seaborn。

Python A2A是Google A2A协议的完整Python实现，集成MCP和LangChain，用于构建可互操作的多智能体系统。

Python A2A是Google A2A协议的完整Python实现，集成MCP和LangChain，用于构建可互操作的多智能体系统。

Python-genai是Google的Gen AI SDK，提供Python接口访问Google AI模型，支持文本生成、图像生成等功能。

Pywen：Qwen3-Coder智能开发代理

用自然语言即可完全控制用户界面

搜索优先的问答代理：RAG的替代方案

基于任何格式文件和数据库的本地知识库问答系统，支持离线安装使用

Qoder身份指纹重置工具

Qodo Cover是一个利用生成式AI自动生成合格测试用例的工具，旨在提高代码覆盖率。

Quality Prompts是一个包含58种提示技术的工具库，可以快速评估和使用提示方法。

Quantum Swarm是一个强大的多代理系统，利用协作的AI代理高效处理复杂查询。

图谱驱动Text2SQL

AI驱动的桌面应用构建

Qwen代码AI命令行工具

Qwen Mac菜单栏应用为macOS用户提供便捷的访问，支持文本生成、翻译等多种功能。

Qwen-VL 是阿里云推出的通用型视觉语言模型,具有强大的视觉理解和多模态推理能力。它支持零样本图像描述、视觉问答、文本理解、图像地标定位等任务,在多个视觉基准测试中达到或超过当前最优水平。该模型采用 Transformer 结构,以 7B 参数规模进行预训练,支持 448x448 分辨率,可以端到端处理图像与文本的多模态输入与输出。Qwen-VL 的优势包括通用性强、支持多语种、细粒度理解等。它可以广泛应用于图像理解、视觉问答、图像标注、图文生成等任务。

Qwen的指令跟随、工具使用、规划和记忆能力开发LLM应用的框架

高保真文本渲染图像生成与编辑

Qwen1.5-32B是Qwen1.5系列中性能与效率兼顾的最新语言模型，内存占用低，运行速度快。

阿里巴巴一款小型 MoE 模型，只有 27 亿个激活参数，但性能与最先进的 7B 模型（如 Mistral 7B 和 Qwen1.5-7B）相匹配

Qwen15 Qwen15Hugging Face is an AI-powered tool designed for developers and creators.

Qwen2 是一种多语言预训练和指令调优的语言模型，支持128K上下文长度并在多项基准测试中表现优异。

Qwen2.5-Coder是一款强大、丰富且实用的开源代码模型，支持多种编程语言与长文本理解。

阿里巴巴开源的全新全模态大模型Qwen2.5-Omni

Qwen3是阿里云发布的最新通义千问大模型，提供多种尺寸和专家模型，具备优秀推理、对话和工具使用能力。

Qwen3：多功能文本嵌入与排序模型

Qwen3大模型微调实战

Qwen ASR 语音转录工作台

Qwen ASR 超长音视频转录

全模态多语言实时交互大模型

QwenLong-L1是通过强化学习训练的首个长文本推理大模型，在长文本DocQA基准测试中表现卓越，优于许多同类模型。

QwQ是一个注重深度思考与探索未知领域的人工智能模型，体现了追求真理和自我反思的哲学精神。

QwQ-32B是Qwen系列推理模型，具有325亿参数，擅长解决难题，推荐使用特定参数以标准化输出格式。

QwQ-Max-Preview是Qwen系列的新进展，专注于深层推理和多领域问题解决，未来将开源。

R1-OneVision是一个开源的多模态大语言模型，具备强大的推理能力，在视觉推理任务中表现出色。

R1-V项目旨在通过强化学习提升视觉语言模型的泛化能力与训练效率，贡献开源研究。

RA.Aid是一款强大的人工智能命令行工具，可以自动化开发任务，提供智能助理支持。

RAG Logger 是一款开源日志工具，专为检索增强生成应用而设计，支持结构化日志存储。

RAG Me Up 是一款轻量级框架，方便用户在自己数据集上运行RAG。

RAG with txtai是一款基于txtai的检索增强生成(Streamlit)应用，支持向量和图路径查询。

RAG-Anything：一体化多模态文档处理RAG系统

thinkany.ai提供的，支持详细配置的搜索API服务

RAGapp 通过 Docker 实现简单易用的 Agentic RAG 部署，支持自有云基础设施。

RAGapp 通过 Docker 实现简单易用的 Agentic RAG 部署，支持自有云基础设施。

一个全面的 AI 框架，用于在 NLP 研究中对检索增强生成算法进行透明和模块化评估

RAGLite是一个用于检索增强生成（RAG）的Python工具包，支持PostgreSQL和SQLite数据库。

AI实时金融研究助手

RDAgent旨在自动化数据驱动的研发过程，通过迭代改进模型和数据，提供数据挖掘和研究助手等功能。

一个融合Python代码执行和React组件渲染的智能AI助手应用，适用于数据分析与互动网页开发。

免费且开源的简历制作工具，帮助您轻松创建、更新和分享您的简历

Reader是一个为语言模型（LLM）设计的工具，旨在改善这些模型处理网页内容时的输入质量。它通过简化的方式将任意URL的内容转换成更适合语言模型处理的格式。这种处理不仅包括提取主要内容，去除不必要的格式和杂质，还可能包括将内容分解为更容易由模型处理的形式。

ReaderLM-v2是一个支持29种语言的强大模型，专用于将HTML转换为高质量的Markdown或JSON。

这是一个基于AI的实时语音聊天项目，能让你用语音与AI进行自然对话，并获得近乎实时的语音回复。

实时直播数字人通过少样本学习在30和40系列显卡上流畅运行，提供交互体验。

该课程教授如何构建和部署适用于H&M时尚商品的实时个性化推荐系统。

该实时太阳系演示通过开放AI API，实现用户与3D场景的语音互动，展示太阳系的动态效果。

RealtimeSTT 是一款易用、低延迟的实时语音转文字库，适用于语音助手等应用。

ReasonFlux是一种层次化的大语言模型推理技术，使用500个思维模板，提升推理能力。

ReasonRank：强推理段落重排

ReCamMaster是一种通过单视频生成摄像机控制的生成渲染，可重新捕捉具有新颖相机轨迹的视频。

AI收据管理

Recommender 是一款基于 Plex 库和评分提供个性化电影与电视节目推荐的应用。

RedCache-ai 提供了一个用于大型语言模型和智能代理的动态记忆框架。

RedCache-ai 提供了一个用于大型语言模型和智能代理的动态记忆框架。

Reddit AI趋势自动化报告

使用ReaEkai工具克隆声音的方法，只需几秒钟即可生成逼真的声音。通过选择角色和输入文本，可以快速生成音频，而无需复杂的电脑配置和长时间的样本。相比传统的VITS技术，ReaEkai更先进，能够理解文本和声音的对应关系，生成类似声优角色的声音。该工具还提供了免费的点数兑换和签到奖励，免费使用。

ReflectionAnyLLM 是一个轻量级工具，可实现与多种大型语言模型的基本链思维逻辑推理，支持快速切换API。

Refly是一个开源的AI创作引擎，提供直观的界面和多线程对话功能，助力内容生成。

该研究提出了一种区域感知的文本到图像生成方法，通过硬绑定和软细化实现精确的布局组合。

Fusion 智能抠图插件

Remove Background Webgpu Webgpu is an AI-powered tool designed for developers and creators.

Remove-BG 是一个基于 WebGPU 的在线工具，可以快速去除图片背景。

Removerized是一款免费的AI工具，可轻松去除图片背景，支持离线使用。

Reply gAI 是一款基于用户推特资料生成个性化回复的人工智能工具，利用实时数据和用户风格。

Report mAIstro 是一个灵活的报告生成工具，可以根据用户提供的主题和结构快速创建定制化报告。

解决了文本到图像模型生成超出其训练域分辨率的图像的问题

ReSearch利用强化学习训练LLM，使其学会通过搜索进行推理，从而提高问答效果，无需监督数据。

Research Rabbit是一款AI驱动的网络研究助手，能自动深入用户指定主题并生成总结。

Reservoirs Lab 是一款轻量级 Electron 应用，能直连 Postgres 数据库并可视化高维向量数据。

RestorePhotos 是一个利用AI技术修复老旧人脸照片的项目，用户可上传照片进行恢复。

Rewind功能是一个个性化的人工智能工具，它能够记录和整理用户在电脑上看到、说过、或听过的所有内容。Rewind的主要优势在于，它可以帮助用户更高效地完成工作，尤其是在以下几种情况下特别有用：

思维链目标指代模型

RIFT-SVC是基于Transformer的唱歌声音转换模型，具有多项优化与改进。

Riona-AI-Agent是一款基于AI的自动化工具，可高效管理社交媒体账号并生成吸引人的内容。

rLLM是一个开源项目，旨在普及LLM的强化学习，并复现DeepSeek和OpenAI的模型性能。

RMBG v1.4是一个新的背景分割开源模型，经过在精心挑选的数据集上进行训练，包括普通图片库、电子商务、游戏和广告内容，使其适用于商业用例，为大规模的企业内容创建提供了动力。在训练过程中，模型使用了超过12，000张高质量、高分辨率、手动标记（像素精度）、完全许可的图像。目前，这个模型的准确性、效率和多功能性已经可以与领先的开源模型相媲美，受到了用户的一致好评。通过不断地优化和改进，RMBG v1.4有望成为行业内的翘楚，为用户提供更好的背景分割体验。

RMBG v2.0是一个先进的图像背景去除模型，适用于多种商业场景。

开源的基于矢量的绘图应用程序适用于草图、手写笔记及文档和图片标注

Robo Blogger通过语音记录和自动生成技术，简化博客文章的创作过程，使内容更专业、结构更清晰。

RoboBrain 2.0：更强大的具身智能大脑模型

Robot Utility Models（RUMs）是一种无需微调即可在新环境中直接应用的机器人政策训练框架。

Markdown笔记应用，它支持LLM（大型语言模型）驱动的文本完成、聊天和语义搜索等功能

Rodel Agent 是一款集成多种AI服务的Windows桌面应用。

RodinHD是一种利用扩散模型生成高保真3D虚拟头像的方法。

ROMA: 递归开放元代理框架

Roo Commander: 智能工作流编排系统

RooFlow是VS Code扩展，通过持久项目上下文和优化的模式交互，增强AI辅助开发，降低token消耗。

RoomGPT是一个基于AI的工具，可以通过上传房间照片重新设计你的房间。

ROS MCP Server利用LLM将自然语言指令转化为ROS指令控制机器人，兼容ROS/ROS2，适用于多种平台。

rStar-Math是一个小型语言模型，通过自我演化的深度思维，提升数学推理能力的研究项目。

世界首款开源的实时翻译应用，支持多人多语言对话。

跨语言AI智能体平台

s1是一个简单的测试时间缩放方法，能基于1000个示例和预算限制实现强推理性能。

能够将单张静态人像图片与音频（比如一段对话或音乐）结合，生成一段看起来这个人像在说话或表达情感的真实动态视频

AI对话电子书阅读器

Saiki是一个AI工具，利用自然语言控制你的工具、应用和服务，简化自动化工作流程和原型设计。

Meta发布SAM 2,是一种用于图像和视频的高效实时可提示分割模型。

Scenario 是一个用于端到端测试 Agent 的 Python 库，它允许你像真人一样自动化地测试 Agent 的各种场景。

SCEPTER是一个开源代码库,致力于生成式模型的训练、调优和推理,涵盖图像生成、迁移、编辑等一系列下游任务。它整合了社区主流实现以及阿里巴巴通逸实验室自研方法,为生成式领域的研究人员和从业者提供全面、通用的工具集。这个多功能库旨在促进创新,加速这个快速发展的领域的进步。

基于MCP的智能学术研究助手

SciAgents通过多智能体图推理自动化科学发现，揭示了生物启发材料领域的隐藏跨学科关系。

科学智能体构建与实验平台

Scira 是一款简约的人工智能搜索引擎，帮助用户快速获取互联网信息。

大型语言模型（LLM）和直接图逻辑来为网站、文档和XML文件创建爬取管道

Scrapling是高性能的Python网页抓取库，可自动适应网站变化，轻松高效地抓取网页。

利用大语言模型，通过屏幕内容自动生成行动或任务。

UI自动化代码生成

使用 AI 将您的粗略草图变成精致的图像

SDXL-Lightning是字节跳动开发一个快速的文本到图像生成模型，能够在几个步骤内生成高质量的1024像素图像。该模型发布用于研究目的，可以从stabilityai/stable-diffusion-xl-base-1.0中提取模型。SDXL-Lightning提供了1步、2步、4步和8步不同训练步数的模型。其中2步、4步和8步模型的生成质量非常出色，而1步模型则更多用于实验目的。

小米发布的大幅增强SD 图像生成技术SDXS

LLM智能体自进化轨迹优化

一个基于对话的搜索系统，它利用人工智能技术提高搜索的准确度和体验

一个基于对话的搜索系统，它利用人工智能技术提高搜索的准确度和体验

Search-o1是一个增强大型推理模型的框架，通过智能检索机制提升其推理能力和准确性。

Search-R1使用强化学习训练LLM，使其具备推理能力并能调用搜索引擎，复现DeepSeek-R1方法。

让 LLM API 支持联网搜索、浏览新闻和网页总结的工具,search2ai 是一种让语言模型联网并实时获取信息的解决方案，它适用于任何需要及时获取和处理最新网络数据的场合。

高效推理搜索LLM代理系统：SearchAgent-X

OpenAI 推出新的AI搜索功能SearchGPT

在浏览器中运行的私密大型语言模型(LLM)聊天机器人

AI生成代码安全基线规则文件

SEED-Story 是一种能生成包含一致性图像的多模态长篇故事的机器学习模型，配套数据集已开放。

Seed-Thinking-v1.5利用强化学习提升推理能力，在数学、编程等领域表现出色，具有广泛适用性。

强大的文本到语音转换工具

Seekout Assist Seekout Assist Chatgpt is an AI-powered tool designed for developers and creators.

如何从零开始构建一个简单但功能强大的视觉语言模型

Self-Operating Computer Framework是一个可以让多模态模型操作计算机的框架。它使用与人类操作者相同的输入和输出，观察屏幕并决定一系列鼠标和键盘操作以达成目标。

SelfyAI是一个平台，用户可以创建、拥有和货币化个性化的智能AI代理，即虚拟世界资产(VWA)。

维基百科向量搜索

LLM自然语言编程数据处理库

Sensei Search 是一款基于人工智能的问答引擎，支持本地和云端运行。

Sensei Search 是一款基于人工智能的问答引擎，支持本地和云端运行。

Serena是免费且强大的编码助手，能直接操作代码库，语义检索并编辑，兼容多种LLM。

SF-V是一种通过单步生成高质量视频的新方法，显著降低计算成本。

SF3D 是一款快速稳定的3D网格重建工具，支持UV展平和光照分离。

智能代码贡献代理

Shandu是一款AI研究系统，利用先进语言模型、智能网络爬取，自动生成全面且结构化的研究报告。

GPT-4o图像生成多模态数据集与模型

Show-Me是一个开源应用，通过可视化推理与透明化过程，增强用户与大型语言模型的互动体验。

Sidekick是一款基于CLI的开源AI工具，旨在提供灵活的LLM选择和强大的agentic工作流，助力开发者提高效率。

面向 3D 虚拟环境的多面手 AI 代理

把视频内容转换成博客文章

Simple Grpo is an AI-powered tool designed for developers and creators.

Simple subtitling利用WhisperX和说话人聚类，从音频文件生成带时间戳和说话人ID的字幕。

能够自动生成由 AI 创作的恶搞视频片段

SiYuan是一款注重隐私的个人知识管理系统，支持区块引用和Markdown所见即所得编辑。

SkyReels V1 是一款先进的开源人性化视频生成模型，支持文本与图像到视频的转换。

SkyReels V2是首个无限长度电影生成模型，利用Diffusion Forcing框架，实现故事、图像转视频等多种应用。

极其强大且易于使用的天气模型运行工具

SkyThought是一个开源项目，致力于开发和评估高性能的AI模型，如Sky-T1-32B-Preview。

使用大模型自动执行基于浏览器的工作流

Smart Composer是一款Obsidian插件，帮助用户高效地利用AI撰写内容并引用笔记库中的信息。

利用 AI 生成你所需的 Excel 公式的工具

SmartPDF利用AI（Llama 3.3）快速总结PDF并分章节，基于Together AI。

SmartRead是一个AI驱动工具，可自动注释技术PDF，提供关键见解、相关资源并突出重点。

Smolagents是一个简洁易用的库，可帮助您轻松构建和运行强大的智能代理。

Smolagents是一个简洁易用的库，可帮助您轻松构建和运行强大的智能代理。