开源项目
-
OpenClaw创始人加盟OpenAI:从商标纠纷到AI智能体革命,一场“世代级失误”引发的行业震动
全网称之为一次“世代级失误”。 Sam Altman and Peter Steinberger 打造了现象级智能体“OpenClaw”的 Peter Steinberger,现已正式加入 OpenAI。 这款工具最初是为了展示 Anthropic 的 Claude 模型的能力而诞生的。可以说,这是 Anthropic 多年来最好的“免费营销”——短短几天内…
-
阿里开源Zvec:向量数据库迎来轻量级革命,AI应用开发进入新纪元
阿里开源了向量数据库 Zvec。 对于不熟悉向量数据库的读者,简单来说,它专门用于存储和检索向量数据,常见于相似性搜索、推荐系统、AI应用等场景。 和传统需要独立部署的向量数据库不同,Zvec 直接运行在应用程序进程内部。这意味着不需要额外服务器,没有配置负担,也省去了基础设施成本。 Zvec 基于阿里巴巴内部长期使用的 Proxima 向量搜索引擎构建。官…
-
GitHub开源30+真实OpenClaw应用案例:从信息聚合到自动化运维的实战指南
最近在 GitHub 发现了一个有趣的仓库,专门收集 OpenClaw 的真实应用案例。 许多用户在安装 OpenClaw 后,往往会陷入一个循环:不断添加各种 Skill,在 ClawHub 中寻找新功能,今天安装天气查询,明天添加股票分析,后天又集成翻译助手。 然而,安装了大量 Skill 后,日常使用却仍停留在信息搜索和简单记录上。技能装了一百个,生活…
-
4款惊艳AI开源项目盘点:从图表重建到桌面助手,解锁智能新体验
01 图片、PDF转为可编辑 Edit Banana 是一个由北京理工大学开发的开源项目。它能够将不可编辑的图片或PDF格式的统计图表、流程图,转换为可完全编辑的格式,例如 DrawIO 的 XML 或 PPTX。 该项目并非简单的OCR工具,而是基于计算机视觉模型,对图表中的逻辑关系、形状组件和文本进行深度重建,实现高保真还原。生成的图形元素可以独立选中和…
-
ZeroClaw:Rust重构的AI Agent新星,性能提升400倍,内存占用减少99%
26 年开年初,最火的开源项目莫过于 OpenClaw,其 Star 数已突破 20 万,增长速度远超所有人的预期,甚至可能包括其作者本人。 它让你能在本地电脑上运行 AI,并通过 Telegram、Discord、WhatsApp 等聊天软件直接指挥 AI 完成任务。 近日,一个名为 ZeroClaw 的项目正式开源。它被描述为对 OpenClaw 的“极…
-
腾讯开源Sherry三元量化方案:1.25bit登顶LLM边缘推理,3:4稀疏榨干硬件性能
关键词:三元量化、细粒度稀疏、3:4稀疏模式、权重陷阱、退火残余突触 大语言模型(LLM)的部署正面临一个根本性矛盾:模型规模持续扩大与终端硬件资源受限之间的矛盾。云端推理虽然强大,但数据隐私、网络延迟、服务成本等问题日益突出,将LLM推向边缘设备已成为必然趋势。 在众多模型压缩技术中,权重量化因其直接降低模型尺寸和计算开销而备受关注。然而,大多数现有量化方…
-
仅500行代码!极简安全的Claude个人助手nanoclaw开源,实现容器级AI隔离
基于 500 行 TypeScript 打造 nanoclaw 是一个极简的个人 AI 助手框架,主要使用 TypeScript 和 Node.js 编写,核心代码量约为 500 行。 相较于此前介绍的 4000 行代码的 nanochat,nanoclaw 更为轻量,并特别强调安全性。 开源项目简介 简而言之,nanoclaw 是一个轻量级、安全优先的 C…
-
港大开源轻量AI助手nanobot:仅4000行代码,支持多平台与主流LLM,GitHub狂揽1.3万星
香港大学数据科学实验室开源了名为 nanobot 的超轻量级个人 AI 助手项目。该项目高度注重代码可读性、研究友好性、快速启动以及易于集成多模型与多聊天通道。 项目开源不久,便在 GitHub 上获得了超过 1.3 万颗星标。 nanobot 的设计灵感来源于 Clawdbot。其代码库仅包含约 4000 行代码,相较于原版 Clawdbot 的约 43 …
-
AI生成Mermaid代码的渲染难题:beautiful-mermaid工具如何让图表在终端中“活”起来
现在用 AI 工具生成 Mermaid,已经成了很多人的日常。 无论是 ChatGPT、Claude,还是各类 Copilot 或 Agent,只需一句话,就能生成流程图、时序图或系统架构图的 Mermaid 代码——效率极高。 但很快会遇到一个现实问题: AI 把图“写”出来了,但你很难把它“好看地展示”出来。 问题不在生成,而在渲染 Mermaid 默认…
-
从零实现30篇奠基论文:用NumPy揭秘深度学习核心思想
在深度学习领域,Ilya Sutskever 曾有一个广为流传的判断:如果真正读懂并理解 30 篇奠基性论文,基本可以掌握人工智能 90% 的核心思想。 这不是指记住公式或复现 benchmark,而是理解模型为什么要这样设计、训练为何能收敛、哪些假设是成立的、哪些只是工程妥协。 问题在于,这 30 篇论文并不“友好”。 大量的数学推导、符号化描述、与现实代…
