AI 驱动的修仙世界模拟器。这是一款基于 LLM 的修仙模拟器游戏，不同于传统 RPG，游戏内的 NPC 均是 AI 智能体，有独立的性格、记忆和行为逻辑，而玩家在游戏中扮演“天道”，以上帝视角观察并干预 AI 修仙者和仙界规则，见证门派兴衰与天骄崛起。

用手机操控 Claude Code 和 Codex。这是一款可以远程操作 Claude Code 或 Codex 的工具，让你随时随地通过手机查看和远程控制 AI 编程助手，提供了 iOS、Android 和 Web 客户端。

不到一秒生成 3D 场景。该项目是 Apple 开源的单目视角合成技术的配套代码，能够在短时间内根据单张图片生成高质量的 3D 场景。它通过神经网络从单张照片中回归出 3D 高斯参数，输出可供 3DGS 渲染器使用的 ply 文件。

轻量高效的 ONNX 模型优化工具。这是一个纯 Python 实现的 ONNX 模型精简与结构优化工具，无需额外的编译依赖。它通过分析与重写计算图，自动移除冗余节点、无效分支和多余参数，在保证模型精度不变的前提下，减少模型体积并提升推理速度，适用于模型发布、推理部署和工程化场景。

import onnx
import onnxslim

model = onnx.load("model.onnx")
slimmed_model = onnxslim.slim(model)

if slimmed_model:
    onnx.save(slimmed_model, "slimmed_model.onnx")

百行代码复现经典深度学习论文。该项目通过约 100 行 Python 代码复现了 60+ 篇深度学习领域的经典论文，提供极简、可运行的代码实现，帮助研究员、学生和开发者快速理解经典论文的核心思想和实现细节。

AI 驱动的 PPT 生成工具。该项目基于 Nano Banana Pro API，能够根据用户的想法、大纲或文档（如 PDF、Markdown）自动生成结构清晰、排版精美的 PPT，并支持通过对话方式调整内容。

面向 AI 编程工具的记忆系统。该项目是专为 AI 编程工具设计的记忆系统，采用 Git 和 JSON 作为持久化存储，为 AI 编程智能体提供长期、结构化的记忆，解决其在处理长周期、复杂编程任务时出现的上下文丢失等问题。

HF 的官方 Python 客户端。该项目是 Hugging Face 平台官方开源的 Python 客户端，提供了模型、数据集和 Spaces 的下载、上传、管理等功能。

from huggingface_hub import hf_hub_download

hf_hub_download(
    repo_id="deepseek-ai/DeepSeek-V3.2",
    filename="config.json"
)

图解大模型技术原理。该项目包含 100 多张大模型技术原理图，系统介绍了大模型和强化学习，内容涵盖 LLM/VLM 大模型结构、训练算法（RL、RLHF、GRPO、DPO、SFT、CoT）、效果优化与 RAG 等。

RAG 应用自动化评测框架。这是一个专门用于评测和优化 RAG 应用的开源框架，提供客观、可量化的评测结果，并支持自动生成测试数据集。

import asyncio
from ragas.metrics.collections import AspectCritic
from ragas.llms import llm_factory

# Setup your LLM
llm = llm_factory("gpt-4o")

# Create a metric
metric = AspectCritic(
    name="summary_accuracy",
    definition="Verify if the summary is accurate and captures key information.",
    llm=llm
)

# Evaluate
test_data = {
    "user_input": "summarise given text\nThe company reported an 8% rise in Q3 2024, driven by strong performance in the Asian market. Sales in this region have significantly contributed to the overall growth. Analysts attribute this success to strategic marketing and product localization. The positive trend in the Asian market is expected to continue into the next quarter.",
    "response": "The company experienced an 8% increase in Q3 2024, largely due to effective marketing strategies and product adaptation, with expectations of continued growth in the coming quarter.",
}

score = await metric.ascore(
    user_input=test_data["user_input"],
    response=test_data["response"]
)
print(f"Score: {score.value}")
print(f"Reason: {score.reason}")