#GitHub
共 43 篇相關文章
-
Microsoft MarkItDown 完整教學：Word、PDF、Excel 一鍵轉 Markdown 大幅降低 AI Token 消耗
Microsoft 官方開源工具 MarkItDown 能將 Word、PDF、PowerPoint、Excel 轉為 Markdown，讓 ChatGPT、Claude 等大型語言模型更高效解析文件，同時大幅降低 Token 消耗、減少幻覺，是 RAG 與 AI 文件前處理流程的實用利器。
-
微軟開源工具 MarkItDown 將 PDF／PPT／HTML 轉 Markdown，讓 AI Token 用量降低 70%
直接將 PDF 丟給 Claude 或 Codex，每頁消耗高達 3,000 個 Token，微軟開源工具 MarkItDown 能自動將 PDF、PPT、HTML 等格式轉為 Markdown，使 Token 用量降低約 70%，同時因 AI 模型原生熟悉 Markdown 而提升回答精準度。
-
ComfyUI 整合 GLIGEN 開源模型：標注畫面區域精確控制 AI 生圖，從隨機走向導演式可控
ComfyUI 整合了 GLIGEN 開源模型，讓用戶能在畫面指定區域進行標注式圖像生成，以邊界框告訴模型「在哪個位置生成什麼」，搭配 ComfyUI 節點工作流直觀操作，代表 AI 繪圖從隨機生成邁向精準空間可控的新階段，相關代碼已於 GitHub 開源。
-
MDR Radio 0.1.5 開源發布：Agent 驅動六階段流水線將 Markdown 文稿自動轉為中文解說影片
MDR Radio 是為 AI Agent 設計的開源影片製作工作流，0.1.5 版本首次打通從文稿撰寫到 Bilibili 發布的完整自動化流水線。用戶提供 Markdown 文稿後，Agent 依序執行投影片生成、TTS 配音、影片合成、封面繪製、Bilibili 上傳六個階段，每階段均設有人工審核節點。
-
開源 AI Agent OpenHuman 突破萬顆星：連接 118 個服務、每 20 分鐘自動更新記憶樹
OpenHuman 是近期在 GitHub 迅速走紅的開源 AI Agent 記憶管理框架，短短數天內突破一萬顆星。它可一鍵接入 118 個第三方服務，每 20 分鐘自動抓取用戶數據並生成可編輯的記憶樹，搭配 Token Juice 機制節省 80% 消耗，徹底解決 AI 助理冷啟動難題。
-
LTX Desktop 免費開源發布：本地 AI 非線性剪輯搭載 LTX 2.3 視頻生成模型
LTX 推出完全免費、全開源的本地 AI 非線性剪輯軟體 LTX Desktop，內建 LTX 2.3 視頻生成模型，可在剪輯軌道上直接 AI 重生成鏡頭或補過渡，開源社群已將顯存需求從 32GB 破解至 24GB。
-
GitHub 193K 星標開源設定：透過 CLAUDE.md 讓 Claude 與 Cursor 告別過度設計
源自 Andrej Karpathy 吐槽的開源設定檔，在 GitHub 獲得 193K 星標。透過「先思考再動手、簡單優先、精準修改、目標驅動」四大原則，只需複製 CLAUDE.md 至專案根目錄，有效防止 AI 過度設計與擅自引入依賴。
-
開源專案 Agent Collator：用 ESP32-S3 RGB 燈光即時視覺化 AI 推理運行狀態
獨立開發者開源 Agent Collator，以 ESP32-S3 晶片搭配 RGB 環形燈，將 AI 推理、報錯、Token 耗盡等各種運行狀態對應不同燈光色彩，支援自訂燈光模型並可結合 3D 列印打造外觀。
-
ChatGPT 企業版聊天記錄無法匯出，開源工具 scrapemychats 登上 GitHub 讓用戶自救
ChatGPT Business 與 Enterprise 工作區不支援官方聊天記錄匯出，開發者在 GitHub 釋出免費開源工具 scrapemychats，透過瀏覽器 session 抓取對話備份，但可能觸犯 OpenAI 服務條款。
-
《深入理解 AI Agent》中文開源書上線 GitHub，設計原理與工程實踐全書免費閱覽
前微軟亞洲研究院研究員李博杰將新書《深入理解 AI Agent：設計原理與工程實踐》完整開源，GitHub repo 含全書正文、可編譯 PDF 與每章配套程式碼，是目前市面上最系統化的中文 AI Agent 工程書籍之一。
-
ownscribe 開源 CLI 工具：本地優先、免雲端的 AI 會議逐字稿與摘要
開發者 nczz 釋出 ownscribe，一款本地優先的 AI 會議逐字稿與摘要 CLI 工具，語音辨識與摘要均在本機完成，資料不上傳雲端，適合重視資料隱私的開發者與企業。
-
開源 AI 衣櫥 Wardrobe：結合 GPT-5.6 Sol 從生活照辨識服裝，gpt-image 生成個人穿搭照
Wardrobe 是一款開源 AI 專案，利用 GPT-5.6 Sol 視覺模型從手機生活照辨識衣物並建立數位衣櫥，再透過 gpt-image 生成個人穿搭建議圖，支援本機部署以保護隱私。
-
開發者推出 CLI 工具 Atrophy 對抗 AI 依賴，五大模組追蹤程式技能退化狀況
印度開發者 Ashutosh Rath 打造命令列工具 Atrophy，當 AI 輔助開發大行其道，協助工程師透過語法記憶、演算法、除錯等五大技能模組自我評估，避免長期依賴 AI 後獨立開發能力悄悄退化。
-
開源 Skill「說人話」：抓出 38 種 AI 寫作痕跡，自動校正繁體中文用法，支援 Claude Code / Codex / Cursor
GitHub 開源工具 speak-human-tw 推出「說人話」skill，可識別 38 種常見 AI 寫作痕跡並自動改寫，同步校正中國用語與半形標點，適用於 Claude Code、Codex、Cursor 等主流 AI 開發工具。
-
mattpocock/skills 開源：TypeScript 大師打造 AI 工程化工作流，從需求訪談到架構審查完整示範
TypeScript 社群知名開發者 Matt Pocock 開源 mattpocock/skills，提供涵蓋需求訪談、PRD、TDD、除錯與架構審查的完整 AI 工程化流程，強調「real engineering, not vibe coding」，為 AI 輔助開發提供可複製的嚴謹框架。
-
開源 video-autopilot-kit 整合 CapCut JSON 與 ffmpeg，打造 YouTube 短影音批次自動化工作流
GitHub 開發者 Hao0321 發布 video-autopilot-kit，提供填入自訂資料即可運作的短影音自動化框架，整合 CapCut JSON 格式與 ffmpeg 工具鏈，適合 YouTube 及短影音創作者建立可複製的影音生產流程，框架本身不含任何私人資料。
-
OpenMontage 開源 AI 影片製作系統爆紅 GitHub，支援完整 AI 影音創作工作流
OpenMontage 是一套全開源的 AI 影片製作系統，近日在 GitHub 上迅速走紅，提供從腳本構思、場景生成到剪輯輸出的完整 AI 驅動工作流，讓創作者無需付費即可使用完整 AI 影片製作能力。
-
開源專案 RuView：用普通 Wi-Fi 訊號實現即時空間感知與生命體徵監測，完全無攝影機
GitHub 開源專案 RuView 利用日常 WiFi 訊號，無需任何攝影機即可實現即時空間定位、生命體徵監測與人員到場偵測，為隱私優先的智慧環境感知提供新方案。
-
開源 AI 語音工作室 Voicebox：支援聲音克隆、語音輸入與影音創作一站完成
GitHub 開源專案 jamiepine/voicebox 是一款 AI 語音工作室，提供聲音克隆（Clone）、語音輸入（Dictate）與創作（Create）三大功能，讓開發者與創作者可自由部署本地或雲端語音 AI 流程。
-
開源 RAG 專案整合 Qdrant 混合搜尋與章節樹索引，大幅提升文件問答精準度
GitHub 開源專案 Hybride_pageindex_RAG 以 MiniU 解析 PDF 等文件，結合 Qdrant 混合搜尋與 Pageindex 章節樹索引，讓 RAG 系統能依文件層次精準定位段落，改善傳統 chunk 切割的上下文斷裂問題。
-
OpenBMB 開源 VoxCPM2：免 Tokenizer 多語言語音合成，支援創意聲紋設計與高擬真人聲克隆
OpenBMB 在 GitHub 開源 VoxCPM2，採用免 Tokenizer 架構實現多語言 TTS，不僅可生成自然語音，還支援創意聲音設計與高擬真人聲克隆，為語音 AI 應用開發者提供強大的開源底座。
-
開源 n8n 版 LLM Wiki：整合 Google Docs 與 Sheets 實作可下載 AI 知識庫
開發者 uncle6me-web 將 Andrej Karpathy 的 LLM Wiki 概念移植到 n8n 自動化平台，結合 Google Docs 與 Google Sheets，打造可直接匯入部署的開源 AI 知識管理工作流，大幅降低非工程師上手門檻。
-
開源工具 livecaption：macOS Apple Silicon 本地即時語音轉錄與英中翻譯，無需雲端
GitHub 開源專案 livecaption 為 macOS Apple Silicon 裝置提供即時串流語音識別、說話者分離與英中即時翻譯，完全本地執行於 Apple GPU/MLX，無 UI、純 CLI，適合重視隱私的開發者場景。
-
Understand-Anything 開源：將程式碼庫轉為互動知識圖譜，支援 Claude Code、Cursor、Codex 等 AI 工具
Egonex-AI 在 GitHub 開源 Understand-Anything，可將任何程式碼庫轉換為可探索、可搜尋、可提問的互動式知識圖譜，並原生支援 Claude Code、Codex、Cursor、Copilot、Gemini CLI 等主流 AI coding 工具，主打「教人的圖勝過讓人印象深刻的圖」。
-
開源框架 oh-my-hermes 釋出：為 Hermes Agent 應用提供標準化工作流程層
社群開發者 Salomondiei08 在 GitHub 開源 oh-my-hermes，這是一套專為 Hermes Agent 設計的固執型工作流程框架，涵蓋建置、部署到運維的完整生命週期，降低 Hermes Agent 應用落地的架構選擇負擔。
-
AI 編程工具帶動 GitHub 年提交量暴增 14 倍，微軟緊急引入 AWS 支撐基礎架構
AI 程式輔助工具大幅降低開發門檻，使 GitHub 年提交量從 2025 年 10 億筆暴增至預估 140 億筆，微軟被迫引入 Amazon Web Services 資源以穩定服務，打破原定 2027 年前全面遷 Azure 的計畫。
-
TurboVec 開源向量索引：Rust 實作 TurboQuant、附 Python 綁定，加速 AI 相似度搜索
RyanCodrai 在 GitHub 發布 turbovec，一個基於 TurboQuant 量化技術的向量索引，以 Rust 撰寫並提供 Python 綁定，可用於高效能近似最近鄰搜索（ANN）工作負載。
-
整合 16 家 LLM 免費額度、月共 17 億 Token！開源 Proxy 工具 freellmapi 降低多模型測試門檻
開源專案 freellmapi 將 16 家 LLM 提供商的免費 tier 整合至單一 OpenAI 相容端點，支援智慧路由與自動故障轉移，個人開發者可免費取得每月約 17 億 token 的測試額度，大幅降低多模型實驗成本。
-
AI 開發者工作流升級：五款開源積木工具整合設計感與 AI 串接能力
AI郵報精選五個讓開發者自訂工作流的開源工具，涵蓋設計感、互動體驗與 AI 串接，協助開發者從零組裝屬於自己的生產力系統，被視為 AI 時代真正拉開差距的關鍵能力。
-
GitHub 開源 MoneyPrinterTurbo：AI 大模型一鍵生成高清短影片，大幅降低內容創作門檻
harry0703 在 GitHub 釋出 MoneyPrinterTurbo，以 AI 大型語言模型為核心，讓使用者一鍵自動完成腳本撰寫、配音、字幕與影像合成，輸出高清短影片。整合 TTS、免費素材庫與多種 LLM 後端，適合需要批量製作社群影音的創作者與企業。
-
GitHub 官方開源 spec-kit：規格驅動開發工具包，助攻 AI 輔助編碼工作流程
GitHub 官方釋出 spec-kit 開源工具包，協助開發者導入規格驅動開發（Spec-Driven Development）方法論。結構化規格文件與 Copilot、Claude Code 等 AI coding 工具高度契合，讓 AI agent 能依據明確規格產出更精準的程式碼。
-
自架 AI 全能工作空間 Odysseus：整合聊天、Agent 與郵件管理，GitHub 破 5.4 萬星
開源專案 Odysseus 是隱私優先的自架 AI 工作空間，支援聊天、自主 Agent、深度研究、文件協作、電子郵件 AI 分類與行事曆管理，相容 Ollama/vLLM 本地 LLM，GitHub 星數已超過 5.4 萬。
-
自然語言一鍵生成 draw.io 圖表！Next AI Draw.io 開源整合多模型破 3.1 萬星
DayuanJiang 開發的 Next AI Draw.io 以 Next.js 打造，整合 OpenAI、Claude、Gemini、DeepSeek 等多種 AI 後端，讓使用者用自然語言描述即可自動產生 draw.io XML 圖表；支援 PDF 與圖片輸入，適合工程師快速製作雲端架構圖，GitHub 星數已突破 31,000。
-
Caveman：Claude Code 技能改說穴人語，節省 65% Token 用量
GitHub 開源工具 Caveman 是一個 Claude Code skill，透過讓 AI 以極簡的「穴居人語言」回應，實測可削減約 65% Token 消耗，對高頻使用 Claude Code 的開發者具實質成本意義。
-
NVIDIA 開源 Rubin 架構 NVSwitch 文件，AI 伺服器機架內竟含 AMD 嵌入式晶片
NVIDIA 在 GitHub 開源次世代 Rubin 架構 VR200 機架的物料清單，SemiAnalysis 分析發現 NVSwitch 托盤採用競爭對手 AMD 的嵌入式處理器，打破業界想像。
-
開源 AI 短劇創作工具 Toonflow：從劇本到動畫一鍵生成，跨平台輕量桌面部署
Toonflow 是開源一站式 AI 短劇創作工具，整合 AI 編劇、智能分鏡、角色生成與視頻生成，支援跨平台桌面端輕量部署，讓創作者低成本大量產出動畫內容。
-
開源 GUI-VLA Agent Mano-P：OSWorld 排名第一，本地推論資料不離裝置
Mano-P 是開源 GUI 視覺語言動作代理，在 OSWorld 基準測試中排名第一（58.2%），可在 Apple M4 Mac mini 或 MacBook 完全本地執行，資料不傳送至雲端。
-
Understand-Anything：將任意程式碼轉成可互動知識圖譜，支援 Claude Code、Cursor 等主流工具
開源工具 Understand-Anything 能將任何程式碼庫轉成可互動、可搜尋的知識圖譜，並支援直接向圖譜提問，相容 Claude Code、Codex、Cursor 等主流 AI 編程工具。
-
OfficeCLI：專為 AI Agent 打造的開源 Office 套件，無需安裝 Word 即可讀寫文件
OfficeCLI 是第一個以 AI agent 需求為核心設計的開源 Office 工具，單一執行檔即可讀寫 Word、Excel、PowerPoint，不需本機安裝 Microsoft Office。
-
agent-skill-creator：一份 SKILL.md 讓 AI 技能在 Claude Code、Cursor 等 14+ 工具通用
開源工具 agent-skill-creator 讓開發者將任何工作流定義成可重用 AI agent 技能，透過單一 SKILL.md 跨 Claude Code、Copilot、Cursor 等 14 款以上工具無縫安裝。
-
Microsoft 開源 Webwright：SWE 風格瀏覽器代理框架，長程網頁任務達 SOTA
Microsoft 推出開源瀏覽器代理框架 Webwright，以 SWE 風格設計應對長程網頁任務，並宣稱在相關基準上達到最先進結果。
-
MiroFish：開源通用群體智能引擎，以仿生演算法預測萬物
MiroFish 是仿生群體行為的開源預測引擎，透過模擬魚群、鳥群等集體智能行為，設計目標是通用化預測各類事件。
-
LEANN：RAG 系統省 97% 儲存空間，可完全在個人裝置本機私密執行
MLsys2026 研究成果 LEANN 讓 RAG 應用節省 97% 儲存空間、維持高準確率，且 100% 本地執行無需上雲，適合隱私敏感場景。