Logics-Parsing：阿里巴巴开源的复杂文档端到端解析框架
Logics-Parsing 是阿里巴巴开源的一款基于视觉语言模型的文档解析框架，能够直接从文档图像输出结构化的 HTML 内容。该项目特别优化了对科学公式、化学结构和复杂表格的识别...
LongLive：开源实时交互式AI长视频生成框架，支持 240 秒视频与 20.7 FPS 推理
LongLive 是由 NVLabs 联合 MIT、HKUST (GZ)、HKU、THU 等机构开发的开源实时交互式AI长视频生成框架，该框架基于帧级自回归设计，整合 KV-recache、流式长调优、短窗口注意...
FireRedChat：开源的全双工实时语音AI对话聊天系统
FireRedChat是一个完全自托管的全双工语音交互解决方案，旨在帮助开发者构建实时语音AI代理。该系统整合了强大的TTS、ASR、pVAD和EoT功能，使开发者能够创建可定制、注重隐...
零基础学AI大模型之AI大模型可视化界面
本文将承接私有化部署的技术脉络，系统解析Dify、Cherry Studio、Chatbox三款主流LLM可视化客户端工具，详解其核心能力、部署步骤与实操场景，并以Chatbox对接本地Ollama部...
openpilot：Comma AI 推出的开源自动驾驶软件，支持 300 + 车型
openpilot 是由 Comma AI 开发的开源自动驾驶平台，旨在为 300 多种支持车辆提供高级驾驶辅助功能。该项目通过软件升级方式，将普通车辆转变为智能驾驶车辆，支持自适应巡航...
零基础学AI大模型之大模型私有化部署全指南
零基础也能轻松上手！《AI大模型私有化部署全指南》手把手教你从硬件配置到模型部署，涵盖Ollama等零代码工具实操，避开显存不足、网络卡顿等常见陷阱，快速实现数据安全可...
零基础学AI大模型之AI大模型常见概念
想从零开始学习AI大模型？本文带你深入浅出地掌握AI大模型的六大核心概念：提示词（Prompts）、令牌（Tokens）、嵌入（Embeddings）、结构化输出、检索增强生成（RAG）和工...
零基础学AI大模型之SpringAI
《零基础学AI大模型之SpringAI》手把手带你快速上手！本文将从SpringAI的核心特性、与主流AI框架的对比、LLM多模态技术解析，到完整的SpringAI项目实战，带您全面掌握Java生...
Stagehand：Browserbase 推出的智能浏览器自动化工具，让 AI 直接操作浏览器
Stagehand 是由 Browserbase 开发的 AI 浏览器自动化框架，它创新性地将确定性代码操作与 AI 自然语言指令相结合，使开发者能够构建更灵活、可靠的浏览器自动化流程。
零基础学AI大模型之从0到1调用大模型API
对开发者来说，想快速用上大模型能力，直接调用成熟平台的API是最高效的路径——不用从头训练模型，不用纠结硬件部署，拿到ApiKey就能开工。今天就聚焦两个高性价比的选择：...