MinerU
PDF、Office文書、画像をLLM向けのMarkdown/JSONに変換。VLM+OCRのデュアルエンジンで109言語、数式、複雑なレイアウトに対応。
最も幅広いグループです。チャット画面、SDK やフレームワーク、プロンプトや評価のツール、そして大規模言語モデルを使ったさまざまなアプリケーションが含まれます。多くは複数のプロバイダーのモデルに対応し、中には自分のハードウェアでモデルを動かせるものもあります。
製品に使うつもりなら、まず三つの事実を確認しましょう。ライセンス(人気のプロジェクトでも商用利用を制限していることがあります)、すでに使っているモデルプロバイダーに対応しているか、そして今もメンテナンスされているか。各プロジェクトページの「ひと目でわかる」欄が、ライセンスとメンテナンス状況を GitHub のデータから答えます。
PDF、Office文書、画像をLLM向けのMarkdown/JSONに変換。VLM+OCRのデュアルエンジンで109言語、数式、複雑なレイアウトに対応。
Bash を軸に、最小構成の Claude Code 風エージェントハーネスをゼロから作る実践チュートリアル。モデルとハーネスがどう組み合わさって動くエージェント製品になるかを学べる。
Unsloth は、Gemma 4、Qwen3.6、DeepSeek、Kimi、GLM、およびその他のモデルをトレーニングおよび実行するためのローカル UI です。
100 以上の LLM および VLM の統合された効率的な微調整 (ACL 2024)。 **スケーラブルなリソース**: 16 ビットのフルチューニング、フリーズチューニング、LoRA、および AQLM/AWQ/GPTQ/LLM.int8/HQQ/EETQ 経由の 2/3/4/5/6/8 ビット QLoRA。
群知能予測エンジン。ニュースや金融シグナルなどのシード情報から高精度な並行デジタル世界を構築し、数千のエージェントの相互作用で未来の軌跡をシミュレート。
Claude CodeとCodexのためのエージェント・メタハーネス。100以上の専門エージェント、協調スウォーム、自己学習メモリ、マシン間の連合通信を追加する。
ツールの出力、ログ、ファイル、RAG チャンクを LLM に到達する前に圧縮します。コーディング エージェントのトークンは 20% 減少し、JSON のトークンは 60 ~ 95% 減少しました。答えは同じです。ライブラリ、プロキシ、MCP サーバー。
Claude CodeなどのAIコーディングCLIを就活の司令塔に変える。求人サイトを走査し、A–Fの評価基準でスコアリングし、履歴書を調整して応募を管理。
Open Interpreter は Kimi K3 のような低コストなオープンモデル向けに最適化されたターミナル型コーディングエージェントで、Rust で再実装され、Codex 風のインターフェースと切り替え可能なハーネスを備えます。
自分のドキュメントと対話し、AI エージェントを実行できるローカルファーストのオールインワン AI デスクトップアプリ。マルチユーザー対応で、セットアップの手間もほぼ不要。
Mem0 はユーザー、セッション、エージェントのメモリを保存および取得するため、AI アプリケーションは会話全体で設定とコンテキストを伝達できます。
LLM 駆動のマルチマーケット株価分析システム: マルチソースの市場データ、リアルタイムのニュース、意思決定ダッシュボード、自動通知、およびコストのかからないスケジュールされた実行をサポートする、マルチソースの市場データを備えたマルチマーケット株価分析システム。
ベン・グレアムやビル・アックマンなどの投資家を模した複数の AI エージェントが協調して売買判断を行う教育目的の概念実証プロジェクト。実際の取引は想定していない。
コードを実際に実行して脆弱性を発見し、本物の概念実証で検証する自律型 AI ペネトレーションテストエージェント。CI/CD パイプラインに組み込める。
マルチプラットフォームの集約、RSS、スマート アラートを備えた AI 主導の世論とトレンド モニター。 報告情報の転送、人工知能情況制御助手とホットポイント選択ツール! マルチプラットフォームホットポイント + RSS 視聴ボタン、セキュリティ認証精緻な選択をサポート。分析ストレートプッシュマシン、MCP フレームワークへの接続、AI 自然言語対分析、状況洞察と事前検査などもサポート。等渠道智能推送。
Context7 は MCP 経由で最新かつバージョンに対応したライブラリのドキュメントとコード例を LLM のプロンプトに直接注入し、古い回答や存在しない API の幻覚を減らします。
GPT-SoVITS は少ショット音声クローンと TTS の WebUI で、わずか 1 分の音声で話者の声を微調整でき、5 秒のサンプルによるゼロショット合成にも対応します。
最高のベンチマークを取得したオープンソース AI メモリ システム。しかも無料です。
RAG、AI パイプライン、ライブ データを使用したエンタープライズ検索用のすぐに実行できるクラウド テンプレート。 Docker フレンドリー。Sharepoint、Google Drive、S3、Kafka、PostgreSQL、リアルタイム データ API などと常に同期します。
Rust コアと Python SDK を備えたセルフホスト型 AI ゲートウェイ。OpenAI 形式で 100 以上の LLM プロバイダーを呼び出し、コスト追跡、ガードレール、負荷分散を提供する。
CrewAI は、タスク、メモリ、トレース、展開用のツールを使用して、役割ベースの AI エージェントをクルーとイベント駆動型のフローに調整します。
AIエージェントやLLMワークフローをビジュアルに構築。ドラッグ&ドロップでチャットボット、RAG、マルチエージェントシステムをコードなしで作れる。
PPT Master は文書やトピックからネイティブに編集可能な PowerPoint スライドを生成し、トランジション、データに基づくグラフ、発表者ノートからの音声ナレーションにも対応します。
whisper.cpp は OpenAI の Whisper 音声認識モデルを依存なしの C/C++ に移植したもの。Apple Silicon に最適化され、多くのプラットフォームで CPU のみの推論が可能。