比我长的不多
OpenManus
OpenManus [表情] Manus is incredible, but OpenManus can achieve any ideas without an Invite Code [表情]! Our team members @mannaandpoem @XiangJinyu @MoshiQAQ @didiforgithub from @MetaGPT built it within 3 hours! It’s a simple implementation, so we welcome any suggestions, contributions, and feedback! Enjoy your own agent with OpenManus! Project Demo Installation Create a new conda environment: conda create -n open_manus python=3.12 conda activate open_manus Clone the repository: git clone https://github.com/mannaandpoem/OpenManus.git cd OpenManus Install dependencies: pip install -r requirements.txt Configuration OpenManus requires configuration for the LLM APIs it uses. Follow these steps to set up your configuration: Create a config.toml file in the config directory (you can copy from the example): cp config/config.example.toml config/config.toml Edit config/config.toml to add your API keys and customize settings: # Global LLM configuration [llm] model = "gpt-4o" base_url = "https://api.openai.com/v1" api_key = "sk-..." # Replace with your actual API key max_tokens = 4096 temperature = 0.0 # Optional configuration for specific LLM models [llm.vision] model = "gpt-4o" base_url = "https://api.openai.com/v1" api_key = "sk-..." # Replace with your actual API key Quick Start One line for run OpenManus: python main.py Then input your idea via terminal! For unstable version, you also can run: python run_flow.py How to contribute We welcome any friendly suggestions and helpful contributions! Just create issues or submit pull requests. Or contact @mannaandpoem via [表情]email: mannaandpoem@gmail.com Roadmap [ ] Better Planning [ ] Live Demos [ ] Replay [ ] RL Fine-tuned Models [ ] Comprehensive Benchmarks Community Group Join our networking group on Feishu and share your experience with other developers!
万码4P7VTGUT
ONE - AI永久记忆系统
# ONE - AI永久记忆系统 这是一个基于大语言模型的AI助手系统，具有记忆管理、对话能力和API调用功能。 ## 主要特性 - 智能对话：基于大语言模型的自然对话能力 - 记忆系统：分层的记忆管理，包括基础记忆、记忆快照和元快照 - 动态分类：自动对记忆进行分类和管理 - 上下文感知：根据对话上下文检索相关记忆 - API调用：支持通过对话调用外部API，实现更强大的功能扩展 ## 系统架构 系统主要包含以下模块： - `core/`: 核心功能模块 - `memory/`: 记忆系统实现 - `processor/`: 记忆处理器 - `retrieval/`: 记忆检索 - `chat/`: 对话管理 - `api/`: API接口 - `services/`: 外部服务集成 - `utils/`: 工具函数 - `config/`: 配置文件 - `frontend/`: 前端界面实现 ### 记忆系统 记忆系统采用三层架构： 1. 基础记忆（BaseMemory） - 存储完整的对话内容和上下文 - 包含时间戳、重要性等元数据 - 记录API调用相关信息 2. 记忆快照（MemorySnapshot） - 提取记忆的关键信息 - 包含对原始记忆的引用 - 按类别组织 - 保存API调用结果和分析 3. 元快照（MetaSnapshot） - 对相似快照进行分类和总结 - 提供更高层次的记忆组织 - 总结API使用模式和效果 ## 配置说明 系统配置位于`config/`目录： - `default_memory_config.json`: 记忆系统配置 - `storage`: 存储相关配置 - `snapshot`: 快照处理配置 - `chat`: 对话相关配置 - `api`: API调用相关配置 ## API接口 ### 对话接口 ```http POST /chat Content-Type: application/json { "query": "用户输入", "context": { "enable_api_call": true, // 是否启用API调用 "api_docs": "API文档内容" // API接口文档 } } ``` ### 记忆管理 ```http POST /clear_history # 清空对话历史 POST /cleanup_memories # 清理旧记忆 GET /memory_stats # 获取记忆统计 ``` ## 开发指南 1. 安装依赖 ```bash pip install -r requirements.txt 修改.env.example文件为.env文件 ``` 2. 运行 ```bash python run.py cd .\frontend\ npm install npm run dev ``` ## API调用功能 系统支持通过对话方式调用外部API，主要特点： 1. 动态API调用 - 支持在对话中启用/禁用API调用 - 可以动态提供API文档 - 自动分析API调用需求 2. 智能分析 - 自动分析用户需求 - 匹配合适的API - 生成调用计划 3. 安全控制 - API调用开关 - 文档验证 - 调用限制 4. 结果处理 - 自动处理API响应 - 整合到对话流程 - 记录调用历史 5. 使用方法 - 在对话界面启用API调用开关 - 提供API文档（支持OpenAPI/Swagger格式） - 正常进行对话，系统会自动判断是否需要调用API ## 注意事项 - 定期清理旧记忆以优化存储空间 - 合理配置记忆重要性阈值 - 监控记忆统计信息 - API调用相关： - 确保API文档格式正确 - 注意API调用频率限制 - 定期检查API可用性 ## UI参考  ## 界面使用说明 ### PC 端操作 1. **基本对话** - 在输入框中输入消息 - 按 Enter 发送消息 - 按 Shift + Enter 换行 - 点击"清空对话"重置对话 2. **API 设置** - 点击右上角"API 设置"按钮 - 开启/关闭 API 调用功能 - 输入 API 文档内容 - 点击关闭按钮保存设置 3. **思考过程** - 右侧面板实时显示 AI 思考步骤 - 自动滚动显示最新步骤 - 清晰的步骤分类和图标 ### 移动端操作 1. **基本对话** - 在底部输入框输入消息 - 点击发送按钮(📤)发送消息 - 点击清空按钮(🗑️)重置对话 2. **API 设置** - 点击右上角设置图标(⚙️) - 在弹出面板中配置 API 设置 - 点击关闭按钮保存并返回 3. **思考过程** - 点击右下角思考按钮(🧠)查看思考过程 - 向上滑动查看历史步骤 - 点击顶部关闭按钮返回对话 ### 界面元素说明 1. **消息显示** - 用户消息：右侧蓝色气泡 - 系统回复：左侧深色气泡 - 时间戳：消息底部显示 2. **思考过程** - 步骤编号：顺序显示 - 类型图标：直观区分步骤类型 - 详细描述：展示具体思考内容 - 执行结果：显示操作结果 3. **API 设置面板** - 开关控制：一键开启/关闭 - 文档输入：支持多行文本 - 状态提示：显示警告和提示信息 ### 移动端使用建议 1. **操作建议** - 使用现代移动浏览器访问 - 保持良好的网络连接 - 注意设备电量消耗 2. **性能优化** - 长时间对话建议定期清空 - 避免输入过长的消息 - 合理使用 API 调用功能
赵歪歪
chenzomi12/AISystem
 该项目主要是关于人工智能、深度学习系统设计的教程，内容涵盖 AI 基础知识和概述、AI 芯片、AI 编译器原理、AI 框架核心技术等方面。
断糖日记
Perplexica
 这是一个开源的 AI 搜索引擎工具，灵感来源于 Perplexity AI。它结合了 SearxNG 和大语言模型（LLMs）等技术，能够理解你的问题并深入互联网查找答案，可作为传统搜索引擎的替代品。
英勇投弹手
Fay
- Fay是一个集成了语言模型和数字字符的开源数字人类框架。它为不同的应用程序提供零售、助手和代理版本，如虚拟购物指南、广播、助手、服务员、教师和基于语音或文本的移动助手。 - 开发人员可以利用该项目简单地构建各种类型的数字人或数字助理。该项目各模块之间耦合度非常低，包括声音来源、语音识别、情绪分析、NLP处理、情绪语音合成、语音输出和表情动作输出等模块。每个模块都可以轻松地更换。
万码GY56TG86
compose
Table of Contents - "Docker Compose v2" (#docker-compose-v2) - "Where to get Docker Compose" (#where-to-get-docker-compose) + "Windows and macOS" (#windows-and-macos) + "Linux" (#linux) - "Quick Start" (#quick-start) - "Contributing" (#contributing) - "Legacy" (#legacy) Docker Compose v2 ""GitHub release" (https://img.shields.io/github/release/docker/compose.svg?style=flat-square)" (https://github.com/docker/compose/releases/latest) ""PkgGoDev" (https://img.shields.io/badge/go.dev-docs-007d9c?style=flat-square&logo=go&logoColor=white)" (https://pkg.go.dev/github.com/docker/compose/v2) ""Build Status" (https://img.shields.io/github/actions/workflow/status/docker/compose/ci.yml?label=ci&logo=github&style=flat-square)" (https://github.com/docker/compose/actions?query=workflow%3Aci) ""Go Report Card" (https://goreportcard.com/badge/github.com/docker/compose/v2?style=flat-square)" (https://goreportcard.com/report/github.com/docker/compose/v2) ""Codecov" (https://codecov.io/gh/docker/compose/branch/main/graph/badge.svg?token=HP3K4Y4ctu)" (https://codecov.io/gh/docker/compose) ""OpenSSF Scorecard" (https://api.securityscorecards.dev/projects/github.com/docker/compose/badge)" (https://api.securityscorecards.dev/projects/github.com/docker/compose) "Docker Compose" (Docker Compose Logo: logo.png?raw=true) Docker Compose is a tool for running multi-container applications on Docker defined using the "Compose file format" (https://compose-spec.io). A Compose file is used to define how one or more containers that make up your application are configured. Once you have a Compose file, you can create and start your application with a single command: "docker compose up". Where to get Docker Compose Windows and macOS Docker Compose is included in "Docker Desktop" (https://www.docker.com/products/docker-desktop) for Windows and macOS. Linux You can download Docker Compose binaries from the "release page" (https://github.com/docker/compose/releases) on this repository. Rename the relevant binary for your OS to "docker-compose" and copy it to "$HOME/.docker/cli-plugins" Or copy it into one of these folders to install it system-wide: * "/usr/local/lib/docker/cli-plugins" OR "/usr/local/libexec/docker/cli-plugins" * "/usr/lib/docker/cli-plugins" OR "/usr/libexec/docker/cli-plugins" (might require making the downloaded file executable with "chmod +x") Quick Start Using Docker Compose is a three-step process: 1. Define your app's environment with a "Dockerfile" so it can be reproduced anywhere. 2. Define the services that make up your app in "compose.yaml" so they can be run together in an isolated environment. 3. Lastly, run "docker compose up" and Compose will start and run your entire app. A Compose file looks like this: services: web: build: . ports: - "5000:5000" volumes: - .:/code redis: image: redis Contributing Want to help develop Docker Compose? Check out our "contributing documentation" (CONTRIBUTING.md). If you find an issue, please report it on the "issue tracker" (https://github.com/docker/compose/issues/new/choose). Legacy The Python version of Compose is available under the "v1" "branch" (https://github.com/docker/compose/tree/v1).
一个响亮的昵称
HivisionIDPhotos
 这是一款简单易用的 AI 证件照制作工具，能够生成标准证件照和六寸排版照。它提供了简洁的 Web 界面和 API 服务，即使在没有 GPU 的电脑上也能够运行，支持抠图、尺寸调整和自定义底色等功能。 #### HivisionIDPhoto可以做到： - 轻量级抠图（纯离线，仅需CPU即可快速推理） - 根据不同的尺寸规格生成不同的标准证件照、六寸排版照 - 支持纯离线或端云推理 - 美颜 - 智能换正装
byte10
MagicMirror
 是一款轻量级、开箱即用的 AI 换脸工具，无需 GPU、可离线使用，一键轻松尝试新形象（发型、穿搭等）。 #### 亮点： 人工智能遇见你的美的地方：毫不费力地尝试新面孔、发型和服装 愚蠢的简单：拖放照片以立即改变面孔-无需复杂的设置 硬件友好：在标准计算机上平稳运行，无需专用GPU硬件 隐私第一：完全离线处理-您的图像永远不会离开您的设备 超轻：占地面积小，<10MB安装程序和<1GB模型文件
万码9L07MMPU
minimind
这不仅是一个微型语言模型的实现，更是一份入门 LLM 的教程，旨在降低学习和上手 LLM 的门槛 。它提供了从数据预处理到模型训练、微调和推理的全流程代码和教程。最小模型仅 0.02B 参数，可在普通 GPU 上轻松运行。
AI资讯
哈佛新论文揭示 Transformer 模型与人脑“同步纠结”全过程，AI也会犹豫、反悔？
哈佛新论文揭示 Transformer 模型与人脑“同步纠结”全过程，AI也会犹豫、反悔？ 近期，哈佛大学、布朗大学及图宾根大学的研究者们联合发布了关于 Transformer 模型与人类大脑认知处理相似性的研究，探索了 AI 模型的内部处理过程与人类认知之间的关联。 这项研究集中在分析 Transformer 模型的每一层处理动态，揭示了 AI 在处理信息时与人类大脑的实时思维路径存在显著相似性。 研究目的 该研究的核心问题是：AI 的处理过程是否能与人类认知处理过程相对接。通过对 Transformer 模型每一层输出的观察，研究者们探讨了 AI 在任务中的“犹豫”与“反悔”，这与人类在进行决策时的思维过程非常相似。 AI 和人脑的相似性 研究发现，AI 的每一层都类似于人类在做决定时的思考过程。例如，AI 在面临不确定性时的反应与人类的决策犹豫非常相似。当 AI 做出初步决策后，经过进一步处理，它会“纠正”先前的判断，就像人类在选择答案时的反复思考。 "图9" (https://wm-ai.oss-cn-shanghai.aliyuncs.com/test/v2_ab917571c3be45999b73e7d9f516644f@000000_oswg43626oswg745oswg357_img_000.jpg) 关键实验结果 研究中的实验表明，AI 模型和人类在回答某些特定问题时的“认知弯路”高度相似。例如，在回答“伊利诺伊州的首都”这一问题时，AI 和人类都会先选择错误的答案，再经过反思最终做出正确判断。 "图10" (https://wm-ai.oss-cn-shanghai.aliyuncs.com/test/v2_145fc29c84914eb8bf386f32d4e44b9f@000000_oswg66528oswg885oswg482_img_000.jpg) 这篇论文不仅强调了 AI 和人脑在决策过程中的相似性，还提出了新的观点：AI 的“思考”过程实际上能被比作人类大脑的实时认知处理过程。 实验分析：AI 和人脑的同步性 通过对多个认知任务的对比，研究者发现 AI 和人类在任务处理的过程中存在相似的“走弯路”现象。例如，在动物分类任务中，AI 和人类都可能先选择错误的分类（如把鲸鱼分类为鱼类），然后再经过纠正最终做出正确决策。 "图11" (https://wm-ai.oss-cn-shanghai.aliyuncs.com/test/v2_604b14f7f7b9452fbcd99cd936ec8377@000000_oswg65584oswg660oswg384_img_000.jpg) 总结 研究揭示了 Transformer 模型与人类认知之间的深刻联系，为我们理解 AI 模型如何处理信息提供了新的视角。AI 的“犹豫”和“反悔”与人类思维过程中的不确定性和决策修正惊人地相似，这为未来 AI 研究提供了丰富的启示。 "图12" (https://wm-ai.oss-cn-shanghai.aliyuncs.com/test/v2_b965dd37c2ea49a799c4531442ad6b8d@000000_oswg141044oswg709oswg629_img_000.jpg)