1. wandb/openui

• 截止发稿星数: 10567
• 仓库语言: TypeScript
• 仓库开源协议：Apache License 2.0
• 仓库地址：https://github.com/wandb/openui

OpenUI是一个旨在简化UI组件构建过程的开源项目，它致力于让开发者能够以更加有趣、快速和灵活的方式进行UI设计。该项目由W&B团队开发，用于测试和原型化下一代基于大型语言模型（LLM）的应用构建工具。OpenUI的核心功能是允许用户通过想象力描述UI，并实时渲染出来，用户还可以请求更改并转换HTML到React、Svelte、Web Components等。虽然它类似于v0.dev，但它是开源的，尽管可能不如v0.dev那样精致。OpenUI提供了一个在线演示，用户可以尝试其功能。此外，用户也可以在本地运行OpenUI，并使用Ollama提供的模型。安装和运行OpenUI需要一些技术步骤，包括克隆仓库、安装依赖、设置OpenAI API密钥等。对于那些喜欢使用Docker的用户，OpenUI也提供了Docker Compose和Docker的运行方式。在开发方面，OpenUI提供了一个配置好的dev container，以及在Codespace中进行开发的方法，使得开发者可以快速开始工作。Ollama模型的选择和使用也是开发过程中的一个亮点。总的来说，OpenUI是一个强大的工具，它不仅简化了UI开发流程，还为开发者提供了丰富的功能和灵活的开发环境。

2. HVision-NKU/StoryDiffusion

• 截止发稿星数: 2227
• 仓库语言: Jupyter Notebook
• 仓库开源协议：Apache License 2.0
• 仓库地址：https://github.com/HVision-NKU/StoryDiffusion

StoryDiffusion是一款创新的人工智能项目，专注于实现长距离图像和视频生成的连贯性。该项目通过两项核心技术实现其目标：一是为角色一致的图像生成提供连贯的自注意力机制，该机制可与SD1.5和SDXL基础的图像扩散模型兼容，用户需提供至少三个文本提示以激活连贯自注意力模块，建议提供5-6个文本提示以获得更好的布局安排；二是运动预测器，用于长距离视频生成，通过在压缩图像语义空间中预测条件图像之间的运动，实现更大范围的运动预测。

项目提供了丰富的示例，包括漫画生成和图像到视频的生成，后者利用连贯自注意力机制生成的图像，无缝过渡以创建视频，是一种两阶段长视频生成方法。值得注意的是，为了提高速度，示例中的结果经过了高度压缩，用户可访问项目网站查看高质量版本。此外，项目还展示了使用条件图像生成视频的能力，以及短视频的生成示例。

目前，StoryDiffusion提供了两种生成漫画的方式：通过Jupyter笔记本运行代码或启动本地gradio演示。项目还列出了未来的更新计划，包括视频生成模型的源代码和预训练权重。

安装方面，项目建议使用Python 3.8以上版本，并提供了详细的依赖安装指南。用户可以通过电子邮件与开发者联系以获取帮助。项目强调，虽然用户可以自由使用该工具创建图像和视频，但应遵守当地法律并负责任地使用，开发者不对用户的潜在滥用行为负责。

对于研究者和应用开发者，如果StoryDiffusion对他们的工作有所帮助，项目提供了BibTeX引用信息，以便在学术论文中进行引用。

3. reorproject/reor

• 截止发稿星数: 5536
• 仓库语言: TypeScript
• 仓库开源协议：GNU Affero General Public License v3.0
• 仓库地址：https://github.com/reorproject/reor

Reor Project，一款注重隐私与本地化的AI个人知识管理应用，旨在为用户提供一个智能化的桌面笔记工具。该应用通过AI技术自动关联相关笔记，能够基于用户笔记内容回答问题，实现语义搜索，并能生成AI辅助的闪卡。所有数据均存储于本地，用户可通过类似Obsidian的Markdown编辑器进行笔记编辑。Reor项目秉承的理念是，AI思维工具应默认在本地运行模型。它依托于Ollama、Transformers.js和LanceDB等开源项目，实现了大型语言模型（LLMs）和嵌入模型的本地运行，同时也支持连接OpenAI或OpenAI兼容的API，如Oobabooga。

Reor的工作原理是将每条笔记分割并嵌入到内部向量数据库中，通过向量相似性自动连接相关笔记，利用LLM进行基于检索增强生成（RAG）的问答，并提供语义搜索功能。可以将Reor视为一个具有两个生成器的RAG应用：LLM和人类。在问答模式下，LLM会从笔记库中检索上下文来辅助回答查询；在编辑模式下，用户可以切换侧边栏以显示从笔记库中“检索”的相关笔记，这是一种通过交叉引用当前笔记中的想法与笔记库中的相关想法来增强思维的强大方式。

开始使用Reor非常简单，用户可以从reorproject.org或GitHub发布页面下载适用于Mac、Linux和Windows的应用程序。安装后，用户可以直接通过Reor与Ollama交互，下载并运行本地模型，或者连接到OpenAI兼容的API。此外，Reor支持从其他应用导入笔记，只需将Markdown文件手动填充到所选目录中即可。

对于希望从源代码构建Reor的用户，需要确保已安装Node.js，然后克隆仓库、安装依赖、运行开发环境或构建应用。项目欢迎各方面的贡献，包括功能、想法、错误修复和设计等。Reor项目采用AGPL-3.0许可证，是一个社区驱动的开源项目。Reor在拉丁语中意为“思考”，体现了项目致力于促进用户思考和知识管理的宗旨。

4. rasbt/LLMs-from-scratch

• 截止发稿星数: 15608
• 仓库语言: Jupyter Notebook
• 仓库开源协议：Other
• 仓库地址：https://github.com/rasbt/LLMs-from-scratch

本仓库包含构建、预训练和微调类似GPT的大型语言模型（LLM）的代码，是书籍《从零开始构建大型语言模型》的官方代码库。该书深入浅出地介绍了LLM的工作原理，并指导读者逐步创建自己的LLM。书中描述的训练和开发小型但功能齐全模型的方法，反映了创建大规模基础模型（如ChatGPT背后的模型）的途径。代码库提供了各章节的主要代码和补充材料，旨在让广泛的读者群体能够使用常规笔记本电脑进行学习。此外，还提供了一些额外的材料，如Python设置技巧、库安装指南、Docker环境设置等，以满足不同读者的需求。书中的代码设计为自动利用GPU（如果可用），以提高运行效率。该书适合对大型语言模型感兴趣的研究者和学习者，通过实际操作和深入理解，帮助读者掌握LLM的构建和应用。

5. dev-xo/remix-saas

• 截止发稿星数: 809
• 仓库语言: TypeScript
• 仓库开源协议：MIT License
• 仓库地址：https://github.com/dev-xo/remix-saas

🛍️ Remix SaaS 是一个轻量级、功能丰富且适合生产环境的 Remix 技术栈，专为构建下一代 SaaS 应用而设计。该项目提供了一个全面的模板，旨在简化开发流程，让开发者能够快速搭建和部署功能完备的 SaaS 平台。Remix SaaS 不仅提供了一个实时的在线演示，让潜在用户可以直观地体验其功能，还提供了详尽的文档，帮助开发者从零开始，顺利启动他们的项目。

通过简单的命令 npx create-remix-saas@latest，开发者可以轻松地创建一个新的 Remix SaaS 项目。该模板与多个开源 Remix 资源共享代码片段，包括 Indie Stack、Epic Stack 和 Supa Stripe Stack 等，这些资源为 Remix SaaS 的开发提供了坚实的基础。

为了帮助开发者快速上手，Remix SaaS 提供了详细的入门指南，指导用户如何初始化模板并开始开发。此外，项目的支持者可以通过在 GitHub 上为该项目点赞（Star）来表达他们的支持，这不仅有助于项目的成长，也是对维护者持续努力的一种鼓励。

特别值得一提的是，Remix SaaS 的开发得到了社区成员 @mw10013 的特别贡献，这体现了开源社区的协作精神和对项目成功的共同追求。总的来说，Remix SaaS 是一个值得关注的项目，无论是对于寻求快速搭建 SaaS 应用的开发者，还是对于希望参与开源社区贡献的爱好者，都是一个不错的选择。

6. abi/secret-llama

• 截止发稿星数: 1705
• 仓库语言: TypeScript
• 仓库开源协议：Apache License 2.0
• 仓库地址：https://github.com/abi/secret-llama

Secret Llama是一款完全在浏览器中运行的私人大型语言模型（LLM）聊天机器人，它支持包括Llama 3和Mistral在内的多种开源模型。这款聊天机器人的最大特点是它的隐私保护功能，所有对话数据都不会离开用户的计算机，确保了用户的隐私安全。它无需服务器支持，也不需要安装任何软件，即可在浏览器中直接使用，甚至可以在离线状态下工作。界面设计简洁易用，与ChatGPT相媲美，但专为开源LLM设计。该项目得益于webllm提供的推理引擎支持。

为了运行Secret Llama，用户需要一个支持WebGPU的现代浏览器。目前，Google Chrome和Microsoft Edge都支持WebGPU，而Firefox和Safari则需要手动启用相关功能。不同的模型可能对RAM有特定的要求。用户可以直接访问secretllama.com尝试使用这款聊天机器人。对于希望自行编译React代码的用户，可以通过下载仓库并运行特定命令来实现。

目前，Secret Llama支持多种模型，包括TinyLlama-1.1B-Chat-v0.4-q4f32_1-1k、Llama-3-8B-Instruct-q4f16_1、Phi1.5-q4f16_1-1k和Mistral-7B-Instruct-v0.2-q4f16_1等，每种模型的大小和要求各不相同。项目团队欢迎开发者贡献力量，以改进界面、增加模型支持、加快初始模型加载时间并修复已知问题。此外，作者还开发了其他项目，如screenshot-to-code和Pico – AI-powered app builder，值得关注。

7. Stirling-Tools/Stirling-PDF

• 截止发稿星数: 24738
• 仓库语言: Java
• 仓库开源协议：GNU General Public License v3.0
• 仓库地址：https://github.com/Stirling-Tools/Stirling-PDF

Stirling-PDF是一款基于Docker的本地托管Web PDF处理工具，提供了一系列PDF文件操作功能，包括拆分、合并、转换、重新排序、添加图像、旋转、压缩等。该工具不进行任何出站呼叫记录或跟踪，确保用户文件的隐私安全。所有文件和PDF要么仅存在于客户端，要么在任务执行期间仅存在于服务器内存中，或暂时存储在文件中以便执行任务。用户下载的任何文件在下载时都已从服务器删除。

该工具支持暗模式，提供自定义下载选项，支持并行文件处理和下载，以及与外部脚本集成的API。此外，还提供了登录和认证支持。PDF功能方面，Stirling-PDF提供了页面操作、转换操作、安全与权限设置以及其他操作，满足用户对PDF处理的各种需求。

Stirling-PDF使用了Spring Boot + Thymeleaf、PDFBox、LibreOffice、OcrMyPdf等技术，支持27种语言，并提供了详细的本地使用指南和Docker/Podman使用指南。用户还可以通过设置文件或环境变量对应用进行定制，包括自定义应用名称、口号、图标、HTML、图像CSS等。

该工具还提供了API文档，方便用户使用Stirling-PDF的后端API与自己的自定义脚本集成，以编辑PDF文件。对于登录认证，用户需要确保配置文件夹在Docker中被挂载，以便在更新期间保留，并通过设置文件或环境变量启用登录。初始用户名为“admin”，密码为“stirling”，登录后需要更改密码。

Stirling-PDF的计划功能包括进度条/跟踪、完全自定义逻辑管道以组合多个操作、文件夹支持与自动扫描执行操作、文本重写（通过UI，不仅仅是自动方式）、添加表单、多页布局支持、手动或自动填充表单等。对于常见问题，如应用程序下载.htm文件的问题，通常是由于NGINX配置问题，需要调整NGINX的默认文件上传大小。如果下载超时，可能需要设置NGINX的超时值。

8. xM4ddy/OFGB

• 截止发稿星数: 3881
• 仓库语言: C#
• 仓库开源协议：The Unlicense
• 仓库地址：https://github.com/xM4ddy/OFGB

OFGB（Oh Frick Go Back）是一款专为Windows 11用户设计的图形用户界面工具，旨在帮助用户移除系统中的广告。该工具的核心功能是通过修改Windows注册表来实现广告的屏蔽，其背后的技术灵感来源于Shawn Brink的脚本，该脚本在ElevenForum社区中广受好评。OFGB的界面设计则借鉴了Aldaviva的DarkNet项目，采用了时尚的暗色主题。

OFGB的开发语言为C#，使用Windows Presentation Foundation（WPF）框架构建，确保了工具的稳定性和用户界面的友好性。用户可以通过简单的步骤在Visual Studio中构建项目，或者直接从GitHub仓库的最新发布版本中下载可执行文件（EXE）。

该工具鼓励用户参与反馈和改进，如果在使用过程中遇到任何问题或错误，用户可以创建问题报告，以便开发者进行修复。同时，OFGB社区欢迎任何希望为工具添加新功能的开发者加入GitHub讨论，共同探讨和实现新的注册表键值。

最后，OFGB的开发者幽默地提醒用户，如果希望避免Windows系统中的广告问题，可以尝试转向Linux操作系统。总体而言，OFGB是一款实用的工具，它通过简洁高效的方式帮助Windows 11用户改善了使用体验。