1. KindXiaoming/pykan

截止发稿星数: 4607
仓库语言: Jupyter Notebook
仓库开源协议：MIT License
仓库地址：https://github.com/KindXiaoming/pykan

Kolmogorov-Arnold Networks (KANs)是多层感知器 (MLP) 的强大替代品，基于坚实的数学基础，与 MLP 基于通用逼近定理不同，KANs 基于 Kolmogorov-Arnold 表示定理。KANs 和 MLPs 是对偶的：KANs 在边缘上有激活函数，而 MLPS 在节点上有激活函数。这个简单的改变使 KANs 在模型准确性和可解释性方面都优于 MLPs（有时好得多）。

准确性
KANs 的扩展速度比 MLPS 快，在更少的参数下具有更高的准确性。

可解释性
KANs 可以直观地可视化，提供 MLP 无法提供的可解释性和交互性，我们可以使用 KANs 发现新的科学定律。

此外，KANs 具有以下特点：

安装方便，可通过 PyPI 或 GitHub 直接安装。
硬件要求不高，示例可以在单个 CPU 上在 10 分钟内运行。
文档和教程详尽，提供全面的指导。

尽管 KANs 在科学相关任务中表现出色，但对于规模较大的机器学习任务，建议使用 GPU。总体而言，KANs 开辟了人工智能新领域的可能性，值得探索和应用于各种领域。

2. TheOfficialFloW/PPPwn

截止发稿星数: 1340
仓库语言: Python
仓库开源协议：MIT License
仓库地址：https://github.com/TheOfficialFloW/PPPwn

3. fastfetch-cli/fastfetch

截止发稿星数: 3692
仓库语言: C
仓库开源协议：MIT License
仓库地址：https://github.com/fastfetch-cli/fastfetch

Fastfetch 是一款类似于 neofetch 的工具，用于获取系统信息并将其以美观的方式显示。它主要使用 C 语言编写，注重性能和可定制性。目前支持 Linux、Android、FreeBSD、macOS 和 Windows 7+ 系统。

Fastfetch 使用 JSONC（带注释的 JSON）格式进行配置。预设配置文件位于 presets 文件夹中，可通过 -c <文件名> 加载。徽标可以进行深度定制，有关更多信息，请参阅徽标文档。

与 neofetch 相比，Fastfetch 具有以下特点：

性能优化，运行速度更快。
更多的数据探测，提供更全面的系统信息。
高度可定制的输出格式和徽标。

Fastfetch 的安装方式如下：

Linux：使用发行版的软件包管理器或 Linuxbrew。
macOS：使用 HomeBrew 或 MacPorts。
Windows：使用 Scoop 或从 GitHub 发布页面下载。
FreeBSD：使用 pkg。
Android（Termux）：使用 pkg。

你可以通过运行 fastfetch 来使用它，或使用 fastfetch -c all.jsonc 查看所有支持的模块。此外，你还可以使用 fastfetch -s <模块> --format json 来查找 fastfetch 检测到的所有数据。

4. dnhkng/GlaDOS

截止发稿星数: 1872
仓库语言: Python
仓库开源协议：MIT License
仓库地址：https://github.com/dnhkng/GlaDOS

欢迎了解 GlaDOS 人格核心项目。该项目旨在创造出与游戏中《传送门》系列中的人工智能 GLaDOS 相似的真实版本，开发一个具备感知、互动和实体形态的系统。

当前正在进行的目标包括训练 GLaDOS 的语音生成器、生成一个促使 GLaDOS 产生逼真“人格核心”的提示、通过大型语言模型为 GLaDOS 创建中长期记忆、赋予 GLaDOS 视觉以及设计可 3D 打印的部件和机电系统。

该项目采用低延迟平台设计的软件架构，旨在使 GLaDOS 在 600 毫秒内响应语音交互。通过持续记录数据、快速转录语音并将其传递给流式大型语言模型，可以将语音文本转换成流式文本到语音输出，从而大幅降低延迟。

硬件系统则将基于伺服和步进电机，辅以可 3D 打印的 GLaDOS 实体模型和一系列表达动画。视觉系统将允许 GLaDOS 追踪并转向人或物品。

目前已发布测试说明，可以通过探索“demo.ipynb”来测试系统。该项目已获得 1872 星标，其发展历程可以通过上方提供的趋势图进行查看。

5. espeak-ng/espeak-ng

截止发稿星数: 3444
仓库语言: C
仓库开源协议：GNU General Public License v3.0
仓库地址：https://github.com/espeak-ng/espeak-ng

eSpeak NG 是一款开源语音合成软件，它支持超过 100 种语言和口音。该软件以“共振峰合成”方法为基础，这使其能够以小巧的体积提供多种语言。eSpeak NG 是一款紧凑型的软件，它支持 Linux、Windows、Android 和其他操作系统。

你可以通过以下方式使用 eSpeak NG：

命令行程序（Linux 和 Windows）：从文本文件或标准输入中朗读文本
共享库版本：供其他程序调用（在 Windows 中为 DLL）
Windows 的 SAPI5 版本：可与屏幕阅读器和其他支持 Windows SAPI5 接口的程序配合使用
作为 MBROLA 二音素语音的前端：将文本转换成音素代码，并附加音高和长度信息
翻译文本成音素代码：作为其他语音合成引擎的前端

eSpeak NG 的特色包括：

包含不同音色，可调整其特征
可以生成 WAV 文件作为语音输出
支持 SSML（语音合成标记语言）和 HTML
体积小巧，包括多种语言在内，程序及其数据加起来仅有几兆字节
可用作其他平台的端口，包括 Solaris 和 Mac OS X

eSpeak NG 是一款根据 GNU 通用公共许可证版本 3 发布的开源软件，其“getopt.c”兼容性实现取自 NetBSD “getopt_long”实现，后者在“2 项 BSD”许可下获得授权。Android 是 Google LLC 的商标。

6. pointfreeco/swift-composable-architecture

截止发稿星数: 11505
仓库语言: Swift
仓库开源协议：MIT License
仓库地址：https://github.com/pointfreeco/swift-composable-architecture

简介

可组合架构 (TCA) 是一种库，它旨在以贯彻一致且可理解的方式构建应用程序，侧重于组合、测试和人体工程学。它适用于 SwiftUI、UIKit 等，并适用于所有 Apple 平台（iOS、macOS、tvOS 和 watchOS）。

核心功能

**状态管理：**使用简单值类型管理应用程序状态，并在多个屏幕间共享状态，让一个屏幕的变更能够立即被其他屏幕观察到。
**组合：**将大型特性分解为更小的组件，这些组件可以提取到它们自己的隔离模块中，并且可以轻松地粘合在一起以形成该特性。
**副作用：**允许应用程序的某些部分以最可测试和最可理解的方式与外部世界通信。
**测试：**不仅能够测试用该架构构建的特性，还能对由多个部分组合而成的特性编写集成测试，以及编写端到端测试以了解副作用对应用程序的影响。这样，您可以确切地确保业务逻辑按照您预期的方式运行。
**人体工程学：**用尽可能少的概念和活动部件，在简单的 API 中实现以上所有功能。

更多信息

TCA 是在多集 [Point-Free][pointfreeco] 视频系列中设计的，该系列由 [Brandon Williams][mbrandonw] 和 [Stephen Celis][stephencelis] 主持，探讨泛型编程和 Swift 语言。

您可以在这里观看所有剧集 [tca-episode-collection]，以及一个针对架构从头开始的专门的 [分部游览][tca-tour]。

示例

此仓库附带大量示例，展示如何使用可组合架构解决常见和复杂问题。查看此处即可看到它们全部，包括：

案例研究
- 入门
- 效应
- 导航
- 高阶归约器
- 可重复使用的组件
位置管理器
动作管理器
搜索
语音识别
SyncUps 应用程序
井字棋
待办事项
语音备忘录

安装

要将可组合架构添加到 Xcode 项目，请将其作为包依赖项添加。

从文件菜单中，选择 添加包依赖项…
在包仓库 URL 文本字段中输入 “https://github.com/pointfreeco/swift-composable-architecture”
根据您项目的结构：
- 如果您有一个需要访问该库的单应用程序目标，那么请直接将 ComposableArchitecture 添加到您的应用程序。
- 如果您希望从多个 Xcode 目标或混合 Xcode 目标和 SPM 目标中使用该库，那么您必须创建一个依赖于 ComposableArchitecture 的共享框架，然后在所有目标中依赖于该框架。有关此示例，请查看 井字棋 演示应用程序，它将大量特性拆分为模块，并使用 tic-tac-toe Swift 包中静态库的方式使用这个框架。

用法

要使用可组合架构构建特性，请定义一些用于建模您域的类型和值：

**状态：**描述您的特性需要执行其逻辑和渲染其 UI 的数据的类型。
**动作：**表示可发生在特性中的所有动作的类型，例如用户动作、通知、事件源等。
**归约器：**描述如何将应用程序的当前状态演化为给定动作的下一个状态的函数。归约器还负责返回应运行的任何副作用，这可以通过返回 Effect 值来实现。
**存储：**实际上驱动您特性的运行时。您将所有用户动作发送到存储，以便存储可以运行归约器和副作用，并且您可以在存储中观察状态更改，以便您可以更新 UI。

这样做的好处是您将立即解锁特性的可测试性，并且您将能够将大型复杂特性分解为可以胶合在一起的较小域。

许可

该库在 MIT 许可下发布。有关详细信息，请参阅 LICENSE。

7. hydralauncher/hydra

截止发稿星数: 3557
仓库语言: TypeScript
仓库开源协议：MIT License
仓库地址：https://github.com/hydralauncher/hydra

Hydra 是一款游戏启动器，集成了自己的 BitTorrent 客户端和自管理游戏重打包爬取器。它基于 TypeScript (Electron) 和 Python 编写，其中 Python 使用 libtorrent 处理 BitTorrent 系统。

此游戏启动器拥有庞大的游戏库，并配备了搜索、过滤和自动更新功能。它还支持各种游戏源，例如 Steam、Origin 和 GOG。

Hydra 的突出特点之一是其集成 BitTorrent 客户端，允许用户下载游戏并直接从启动器中进行安装。该 BitTorrent 客户端支持暂停和恢复下载、选择下载位置等功能。

此外，Hydra 还拥有一个内置的重打包爬取器，可以搜索和下载 repack 版本的游戏。这使得用户能够以较小的文件大小下载游戏，而无需牺牲游戏质量。

安装 Hydra 非常简单，只需按照仓库中的说明进行即可。你将需要安装 Node.js、Yarn、Python 和必要的依赖项。环境变量配置也同样简单，只需提供一个 SteamGridDB API 密钥和任何其他所需的凭据。

Hydra 由一个活跃的社区开发和维护，它拥有一个 Discord 服务器，用户可以在其中获得支持、提出建议并参与项目讨论。软件还提供了一个详细的文档，其中包含分步指南、常见问题解答和故障排除提示。

8. dylanaraps/neofetch

截止发稿星数: 20838
仓库语言: Shell
仓库开源协议：MIT License
仓库地址：https://github.com/dylanaraps/neofetch

Neofetch 是一款基于 Bash 3.2+ 的命令行系统信息工具，专为在屏幕截图中展示系统相关信息而设计。它以美观且可视化的方式展示操作系统、软件和硬件信息。

Neofetch 的默认显示内容包括操作系统徽标，可根据需要配置为图片、自定义 ASCII 文件、壁纸或空白。通过命令行标志和配置文件，用户可以自定义显示内容，添加自己的信息输出。

Neofetch 支持约 150 种操作系统，涵盖 Linux、Windows、Minix、AIX 和 Haiku 等系统。如果您发现您使用的操作系统不受支持，您可以在 Github 上提交 issue。

9. cpacker/MemGPT

截止发稿星数: 9197
仓库语言: Python
仓库开源协议：Apache License 2.0
仓库地址：https://github.com/cpacker/MemGPT

MemGPT 是一款工具，可以帮助你构建具有长期记忆和自定义工具功能的 LLM 代理。它支持：

长期记忆/状态管理
连接到外部数据源（如 PDF 文件）用于 RAG
定义和调用自定义工具（如谷歌搜索）

MemGPT 可让你轻松构建和部署状态化的 LLM 代理，并支持以下功能：

多用户、多代理应用程序
自托管平台

通过 CLI，你可以创建和与 MemGPT 代理聊天。CLI 还支持多种可选标志，例如用于设置代理名称、发送第一条消息和显示调试日志。

MemGPT 提供了一个开发门户，用于轻松创建、编辑、监视和与 MemGPT 代理聊天。它支持使用 docker 进行安装。

MemGPT 支持以下 LLM 和嵌入端点：

OpenAI
Azure OpenAI
Google AI (Gemini)
Anthropic (Claude)
Groq
Cohere API
vLLM
Ollama
LM Studio
koboldcpp
oobabooga web UI
llama.cpp
HuggingFace TEI

MemGPT 的文档、支持和问题跟踪可通过 GitHub 和 Discord 渠道访问。

版权声明 1 本网站名称：诚哥博客
2 本站永久网址：https://www.chengzz.com
3 本网站的文章部分内容可能来源于网络，仅供大家学习与参考，如有侵权，请联系站长 QQ1139991371进行删除处理。
4 本站一切资源不代表本站立场，并不代表本站赞同其观点和对其真实性负责。
5 本站一律禁止以任何方式发布或转载任何违法的相关信息，访客发现请向站长举报
6 本站资源大多存储在云盘，如发现链接失效，请联系我们我们会第一时间更新。