函数调用简化

Toolhouse是一个云基础设施平台，旨在为大型语言模型（LLMs）提供动作和知识，简化函数调用过程，仅需三行代码即可实现。

智能优化版Llama.cpp：基于原版Llama.cpp的克隆项目，它增加了最先进的量化技术，并针对CPU性能进行了改进，使得在处理大型语言模型时更加高效

llama-node是一个基于Node.js的项目，旨在提供对LLaMA和Alpaca语言模型的支持。该项目允许用户在本地CPU上高效运行这些模型，适合个人计算机使用。它基于llama-rs构建，旨在促进AI技术的民主化，使更多开发者能够轻松访问和使用大语言模型。

aisuite是吴恩达开源的Python库，旨在提供一个统一接口，让开发者可以轻松使用来自多个提供商的大型语言模型。支持OpenAI、Anthropic、Azure、Google等主流AI服务，使用类似OpenAI的接口设计，使得开发者能够无缝切换不同的LLM提供商进行测试和对比，无需修改代码。

Repomix 是一款高效的工具，专门用于将代码库打包成 AI 友好的格式，便于输入到大型语言模型中进行处理。它支持多种功能，包括遵循 .gitignore 规则、远程仓库处理、Token 计数、安全检测等，确保代码打包过程高效且安全。此外，Repomix 还提供智能 Token 计数模块、安全扫描引擎、多格式解析器、依赖关系可视化和增量式打包等高级功能，适用于多种应用场景。

一个用于端到端架构和大语言模型（LLM）的项目，旨在简化和优化开发过程。

Taylor AI 是一个高效的工具，旨在帮助用户在几分钟内微调开源大语言模型（如Llama2、Falcon等）。它让用户专注于实验和构建更好的模型，而不用花时间在繁琐的Python库上或跟进每一个开源LLM的更新。同时，用户拥有自己的模型，提升了数据安全性和控制权。

PlugBear是一款能够快速将大型语言模型（LLM）应用连接至多种沟通渠道的工具，如Slack、Discord、Zendesk和电子邮件。它支持多种LLM应用构建器和框架，包括OpenAI的GPT、LangChain等，帮助用户轻松集成和管理AI聊天机器人。

一个处理流式生成的JSON的库，能够从首个token开始解码，非常适合时间敏感的应用。

该项目探讨了如何将大型语言模型用于各种应用中的工具创建。

Zeno Build旨在帮助开发人员快速构建、比较和迭代使用大型语言模型应用的工具，提供简单的代码示例和实验管理功能。

Composable Prompts是一个顶尖平台，旨在快速构建、测试和部署基于大型语言模型（LLMs）的任务和API。它为LLMs的世界带来了组合、模板、测试、缓存和可视化等功能，使开发者能够高效地创建强大的提示，重用它们，并在不同环境中进行测试。同时，它通过智能缓存优化性能和成本，并允许轻松切换模型和运行环境。

Ollama是一个能创建、运行和共享自包含大型语言模型(LLM)的工具，将模型的权重、配置、提示等打包成自包含的文件，可以在任何地方运行。

在实际场景用Langchain开发LLM应用的示例，使用JavaScript实现。该项目提供了多种实际应用的示例，展示了如何将Langchain与大型语言模型集成，支持多种语言处理功能，并且易于扩展和自定义。

Llumnix是一个针对大型语言模型（LLM）多实例服务的高效且易于使用的请求调度层，支持动态调度、内存碎片化减少、加载均衡优化，并且易于与现有的多实例部署平台集成。

AI Town是一个旨在提供强大基础的平台，支持共享全局状态、事务处理和事件日志，便于开发和扩展。

这是一款 ChatGPT 桌面应用，支持跨平台使用，具备丰富的功能和用户友好的界面。

llm.mojo是Andrjey Karpathy将大型语言模型(LLM)最小化代码移植到Mojo编程语言的版本，旨在提供高效的模型推理和简化的学习体验。