Wise Pizza开源项目 – 多维数据异常发现与可视化

这是一个使用Prefect、MLflow、FastAPI、Prometheus/Grafana和Streamlit构建的MLOps平台，旨在简化机器学习工作流的管理与监控。

Handsontable 是一个基于 JavaScript 的数据表格组件，具有类似电子表格的外观和操作体验。它支持 JavaScript、TypeScript 以及 React、Angular、Vue 等主流框架，适用于构建数据密集型内部应用程序。用户可以通过它输入、编辑、验证和处理来自各种来源的数据。常见的应用场景包括资源规划软件（ERP）、库存管理系统、数字平台和数据建模应用。

RTutor是一个基于人工智能的应用程序，允许用户通过自然语言与数据进行交互。它生成R代码来分析数据，并提供图形和数值结果作为输出。用户只需上传CSV、TSV或Excel格式的数据集，然后用简单的英文提问，AI系统将根据查询生成R代码，并在Shiny环境中执行以显示结果。生成的代码可以由用户进一步优化和验证，以进行更深入的分析。

InfluxDB 是一个开源时间序列平台，提供用于存储和查询数据的 API，支持后台数据处理，用于监控、警报、用户仪表板以及数据的可视化与探索。

Unity MCP Package是一个开源Unity软件包，通过模型上下文协议(MCP)实现Unity编辑器与大型语言模型(如Claude Desktop)的无缝双向通信。该项目作为桥梁服务器，允许开发者通过自然语言指令自动化工作流、操作资产、控制场景及编辑器功能，显著提升游戏开发效率。支持Unity 2020.3 LTS及以上版本(需URP)，需配合Python 3.12+和uv包管理器使用。

Cline是一款开源的VSCode扩展工具，旨在帮助开发者在VSCode中便捷地使用AI编程助手，能够与最新的deepseek API搭配使用，显著提升开发效率，减少编码错误。它支持创建和编辑文件，能够理解大型项目，执行终端命令，并兼容任何OpenAI的API，如OpenRouter、Claude、DeepSeek等。

Potpie 是一个开源平台，旨在创建针对特定代码库的自定义 AI 代理。这些代理可以自动执行代码分析、测试和开发任务，提高开发人员的生产力和效率。通过构建代码的全面知识图谱，Potpie 的助手可以理解复杂的关系，并协助从调试到特性开发的所有环节。

微软推出的生成式AI入门课程，包含12至21个系统课程，涵盖从基础到进阶的全方位知识。课程提供Python和TypeScript代码示例，适配Azure OpenAI和OpenAI API，帮助初学者零基础开启AI应用开发之旅。课程内容包括LLM介绍、提示工程基础、构建文本生成/聊天应用等，并提供实践项目、额外学习资源和官方中文翻译版本，学习路径清晰。

pyvis是一个用于创建和可视化交互式网络图的Python包。它支持自定义节点和边的样式，提供丰富的布局选项，并可以将网络图导出为HTML文件。pyvis易于集成到现有的Python项目中，广泛应用于数据科学、社交媒体、生物信息学、金融和教育等多个领域。

Gaga 是一种基于 3D 感知记忆库的高效分组工具，专门用于开放世界场景中多视图一致的高斯分割和场景编辑。它通过先进的 3D 感知技术，提升分割一致性和编辑效率，适用于多种数据集，并提供开源支持和详细的使用指南。

DeepSeek R1 是一个从零开始构建的高效推理模型项目。它使用 Qwen 作为基础模型，通过 GRPO 算法进行初步训练，并结合 Supervised Fine-Tuning (SFT) 和改进的强化学习方法，显著提升了模型的推理能力和语言一致性。项目提供了全流程的代码实现、详细的训练过程描述和手绘流程图，使得即使是初学者也能轻松上手。

TecoGAN是一个用于视频超分辨率的生成对抗网络（GAN），专注于生成具有时序一致性的高分辨率视频。该项目由慕尼黑工业大学的研究团队开发，旨在通过自监督学习提升视频生成中的时间连贯性。项目提供了推理、训练和下载训练数据的代码，并包含预训练模型。TecoGAN的生成能力在细节持久性和时空一致性方面表现出色，能够生成长时间保持细节的视频序列。

RefAug是一种用于反思和思维链的合成数据增强方法，旨在通过将问题反思和思考嵌入到以数学为重点的训练数据中，提高模型的推理能力。该方法通过生成替代推理和后续推理，将反思整合到训练示例中，从而增强模型在数学任务和编码任务中的表现。

Tantivy是一个用Rust编写的高性能全文搜索引擎库，受Apache Lucene启发。它支持多种分词器和语言，使用BM25评分，具备增量索引和多线程索引能力。Tantivy不是现成的搜索引擎服务器，而是一个用于构建搜索引擎的库，适用于需要高性能全文搜索的场景。它已成功应用于多个项目，如Seshat、Tantiny和Lnx。

FLEXTAF是一个针对表格推理的AI项目，旨在通过使用不同表格格式来优化大型语言模型（LLM）在表格问答任务中的性能。项目包含两个主要模块：FLEXTAF-Single和FLEXTAF-Vote。FLEXTAF-Single通过训练分类器来预测最合适的表格格式，并在推理时使用该格式来解决问题。FLEXTAF-Vote则通过整合不同格式的结果，并通过投票确定最终答案。研究显示，不同的表格格式在处理不同类型的问题时表现出不同的性能优势。