HYSEN LABS VERZEICHNIS

#Desktop

Plattform-Tag · kuratierte Repositories und tiefgehende Analysen.

383 kuratierte Open-Source-Projekte
fastrepl

anarlog

9.306

Open-Source-Granola-KI-Alternative. So verwenden Sie es Laden Sie die neueste Version für Ihre Plattform herunter: github.com/fastrepl/anarlog/releases/latest Öffnen Sie es und nehmen Sie an einem Meeting teil.

TypeScriptKI & maschinelles Lernen763 Forks
certimate-go

certimate

9.303

Ein Open-Source- und kostenloses ACME-Tool für selbst gehostete SSL-Zertifikate, das den gesamten Zyklus der Ausstellung, Bereitstellung, Erneuerung und Überwachung visuell automatisiert. 完全开源免费的自托管 SSL von ACME工具, 申请、部署、续期、监控全流程自动化可视化,支持各大主流云厂商。.

GoCloud Native & DevOps898 Forks
modem-dev

hunk

9.289

Review-First-Terminal-Diff-Viewer für Agenten-Codierer. Anforderungen: Node.js 18+ macOS, Linux oder Windows Git wird für die meisten Workflows empfohlen. Nix-Benutzer können stattdessen das in flake.nix exportierte Standardpaket verwenden.

TypeScriptSysteme & Infrastruktur294 Forks
boyter

scc

8.748

Sloc, Cloc und Code: scc ist ein sehr schneller, genauer Codezähler mit Komplexitätsberechnungen und COCOMO-Schätzungen, geschrieben in reinem Go.

GoEntwicklerwerkzeuge344 Forks
openJiuwen-ai

jiuwenswarm

8.573

JiuwenSwarm ist ein intelligenter KI-Agent, der auf openJiuwen basiert. Es erweitert die leistungsstarken Funktionen großer Sprachmodelle über verschiedene Kommunikations-Apps, die Sie täglich verwenden, direkt auf Ihre Fingerspitzen.

PythonKI & maschinelles Lernen1.241 Forks
openclaw

gogcli

8.410

Google Workspace in Ihrem Terminal. Agentensicherheit mit expliziten Grenzen: schreibgeschützt zur Laufzeit, Regeln zum Zulassen/Verweigern von Befehlen, Gmail-No-Send, Umbruch nicht vertrauenswürdiger Inhalte, Probelaufpläne, gebackene Sicherheitsprofil-Binärdateien und ein typisierter MCP-Server, der standardmäßig schreibgeschützt ist.

GoSysteme & Infrastruktur691 Forks
osaurus-ai

osaurus

7.911

Besitzen Sie Ihre KI. Das native macOS-System für KI-Agenten jedes Modells, persistenten Speicher, autonome Ausführung und kryptografische Identität. Gebaut in Swift. Vollständig offline. Open Source.

SwiftKI & maschinelles Lernen467 Forks
FastLED

FastLED

7.490

Die FastLED-Bibliothek für farbige LED-Animationen auf Arduino. Bitte richten Sie Fragen/Hilfeanfragen an die FastLED Reddit-Community: Wir möchten Github-„Probleme“ nur zum Verfolgen von Bibliotheksfehlern/-verbesserungen verwenden.

C++Entwicklerwerkzeuge1.757 Forks
MoonshotAI

kimi-code

7.372

Kimi Code CLI, der Ausgangspunkt für Agenten der nächsten Generation. Es funktioniert sofort mit den Kimi-Modellen von Moonshot AI und kann auch für die Verwendung anderer kompatibler Anbieter konfiguriert werden.

TypeScriptEntwicklerwerkzeuge1.188 Forks
ChatLab

ChatLab

7.356

Lokaler Chat-Verlaufsanalysator mit KI. | KI. Es kombiniert eine flexible SQL-Engine mit KI-Agenten, sodass Sie Muster erkunden, bessere Fragen stellen und Erkenntnisse aus Chat-Daten gewinnen können – alles auf Ihrem eigenen Computer.

TypeScriptKI & maschinelles Lernen1.510 Forks
charmbracelet

soft-serve

7.219

Der leistungsstarke, selbsthostbare Git-Server für die Befehlszeile. Sie können auch einige der folgenden Befehle ausprobieren: Oder Sie können Soft Serve verwenden, um lokale Repositorys zu durchsuchen, indem Sie Soft Browse [Verzeichnis] ​​verwenden oder Soft in einem Git-Repository ausführen.

GoEntwicklerwerkzeuge241 Forks
NVIDIA

warp

7.117

Ein Python-Framework für GPU-beschleunigte Simulation, Robotik und maschinelles Lernen.

PythonKI & maschinelles Lernen618 Forks
7.041

Nutzen Sie ChatGPT Web (einschließlich Pro) als natives Modell in der Codex-App, mit Kontext, Tools, Streaming und Bildern, die über die Codex-Nutzungsgrenzen hinausgehen.

TypeScriptKI & maschinelles Lernen631 Forks
CursorTouch

Windows-MCP

7.001

MCP-Server für Computernutzung unter Windows. Verwenden Sie ein beliebiges LLM (Vision optional). Im Gegensatz zu vielen Automatisierungstools basiert Windows-MCP nicht auf herkömmlichen Computer-Vision-Techniken oder spezifischen, fein abgestimmten Modellen. Es funktioniert mit allen LLMs und reduziert die Komplexität und Einrichtungszeit.

PythonKI & maschinelles Lernen839 Forks