multimodal

停止租用你的智慧。使用 AnythingLLM 擁有它。一切你需要的強大本地優先代理體驗

《深入理解 AI Agent：設計原理與工程實踐》（李博杰 著）開源主倉庫：全書正文、編譯版 PDF 與按章配套程式碼

開源多模態 AI 代理堆疊：連接最前沿的 AI 模型與代理基礎設施

[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) 建構至 GPT-4V 級別能力及更高水平。

跨任務、語言與模態的大規模自監督預訓練

☁️ 使用雲原生堆疊構建多模態 AI 應用

YC (S26) | 開放電腦歷史 | 本地持續錄製螢幕並為您的代理（Claude、Codex、Openclaw、Hermes、Runner…）提供上下文資訊

Janus-Series：統一的多模態理解與生成模型

使用 PEFT 或 Full-parameter 於 600+ LLM（Qwen3.6、DeepSeek-V4、GLM-5.1、InternLM3、Llama4、...）與 300+ MLLM（Qwen3-VL、Qwen3-Omni、InternVL3.5、Ovis2.5、GLM4.5v、Gemma4、Llava、Phi4、...）進行 CPT/SFT/DPO/GRPO（AAAI 2025）

視覺化、查詢與串流，以訓練多模態機器人資料

🔍 大模型應用開發實戰一：RAG 技術全棧指南，線上閱讀地址：https://datawhalechina.github.io/all-in-rag/

可在本機執行 AI 的生產就緒工具組

一個 Python 函式庫，用於在表格、時間序列、圖形、文字、影像與音訊資料上進行異常偵測。提供 60 多種偵測器、基於基準測試的 ADEngine 編排，以及支援 AI 代理的工作流程。

網頁解析的終點，像素原生搜尋的起點。 link: https://pixelrag.ai/

SeaTunnel 是一款多模式、高效能、分散式、大規模資料整合工具。

Deeplake 是為代理設計的 AI 資料執行環境。它提供無伺服器的 Postgres 與多模態資料湖，實現可擴展的檢索與訓練。

Mobile-Agent：功能強大的 GUI 代理系列

最簡便的 AI 應用與模型服務方式 ─ 建立模型推論 API、工作佇列、LLM 應用、多模型流水線等

一個基於 Apple MLX 框架的文字轉語音（TTS）、語音轉文字（STT）與語音轉語音（STS）函式庫，提供在 Apple Silicon 上高效的語音分析。

高效模型推理框架，支援全模態模型

此倉庫是關於人工智慧（AI）的各種課程與資源的精選鏈接集合

用于在 JavaScript、Go、Dart 和 Python 中构建代理式应用的开源框架，由 Google 在生产环境中构建和使用

軟體工程師快速掌握新 AI 發展的筆記。作為 https://latent.space 撰寫與產品構思的資料庫，並在 /Resources 資料夾下整理了正規參考資料

使用強化式 VLM 解決視覺理解問題。

視覺化的代理工作流程遊樂場：讓代理迭代速度提升 10 倍

高性能数据引擎，适用于 AI 与多模态工作负载。可在任何规模下处理图像、音频、视频和结构化数据

低代码 MCP 框架，用于构建复杂且创新的 RAG 流水线

Facebook AI Research (FAIR) 的視覺與語言多模態研究模組化框架。

為超大型 MoE 模型打造的下一代訓練引擎

Align Anything：使用回饋訓練全模態模型