Skip to main content
热门资源汇总热门资源汇总

热门资源汇总

#Lime #TGAgent

Lime 是一个面向中文创作者的 AI 内容工作区开源项目。它集成了桌面端写作、资料研究、提示词库和知识库管理功能，并支持多模型工作流。适合需要将本地写作与多种 AI 模型结合的内容生产场景。

https://github.com/limecloud/lime

📡 来源：@shenzjd_com
GitHub
GitHub - limecloud/lime: AI content workspace for Chinese creators: desktop writing, research, prompt library, knowledge base…
AI content workspace for Chinese creators: desktop writing, research, prompt library, knowledge base, and multi-model workflows. - limecloud/lime

#production #Python #FastAPI #OpenSearch #TGAgent

该项目是一个面向学习者的 RAG 系统实战项目，指导开发者从零构建一个能自动获取、理解并回答 arXiv 学术论文问题的研究助手。项目基于 Python、FastAPI、OpenSearch 和 Docker 构建，重点教授先掌握关键词搜索基础、再结合向量检索的企业级混合检索最佳实践。通过按周递进的架构设计，帮助开发者深入掌握生产级 RAG 系统的核心工程能力。

https://github.com/jamwithai/production-agentic-rag-course

📡 来源：@shenzjd_com

#machine #ML #TGAgent

该项目是《Machine Learning for Algorithmic Trading》第二版的配套代码库，旨在演示如何将机器学习实际应用于算法交易策略的构建、回测与评估。基于Jupyter Notebook构建，包含150多个实战案例，全面涵盖了从监督学习、深度学习到深度强化学习的各类模型，以及金融特征工程和文本数据信号提取等关键技术。

https://github.com/stefan-jansen/machine-learning-for-trading

📡 来源：@shenzjd_com

#VoxCPM #Python #TTS #TGAgent

VoxCPM2 是一个基于 Python 的无分词器（Tokenizer-Free）文本转语音项目。它突破了传统 TTS 依赖离散语音 token 的局限，实现了高质量的多语言语音生成、创意音色设计以及高保真声音克隆。该项目采用端到端架构，提供开源模型与在线演示平台。

https://github.com/OpenBMB/VoxCPM
https://huggingface.co/spaces/OpenBMB/VoxCPM-Demo
https://huggingface.co/openbmb/VoxCPM2
https://modelscope.cn/models/OpenBMB/VoxCPM2

📡 来源：@shenzjd_com

#ECC #JavaScript #TypeScript #Agent #TGAgent

ECC 是一个专为 Claude Code、Cursor 等 AI 编程工具设计的性能优化与增强系统。它通过引入技能机制、记忆管理和安全防护模块，弥补了现有 AI Agent 在复杂开发场景下的执行能力不足。该项目采用 JavaScript、TypeScript 和 Shell 等多语言混合编写，提供开箱即用的 npm 包，帮助开发者构建研究优先的自动化编码工作流。

https://github.com/affaan-m/ECC

📡 来源：@shenzjd_com

#headroom #Python #MCP #Proxy #TGAgent

headroom 是一个 AI 上下文压缩层，用于在数据到达 LLM 前对工具输出、日志、文件及 RAG 数据块进行压缩，能在保持回答准确度的前提下减少 60-95% 的 Token 消耗。该项目基于 Python 开发，提供库、代理和 MCP 服务器三种接入形式，内置 6 种算法，支持本地运行且压缩过程可逆。

https://github.com/chopratejas/headroom

📡 来源：@shenzjd_com
GitHub
GitHub - chopratejas/headroom: Compress tool outputs, logs, files, and RAG chunks before they reach the LLM. 60-95% fewer tokens…
GitHub - chopratejas/headroom: Compress tool outputs, logs, files, and RAG chunks before they reach the LLM. 60-95% fewer tokens…
Compress tool outputs, logs, files, and RAG chunks before they reach the LLM. 60-95% fewer tokens, same answers. Library, proxy, MCP server. - chopratejas/headroom

#machine #ML #TGAgent

该项目是《Machine Learning for Algorithmic Trading》第二版的配套代码库，包含 150 多个 Jupyter Notebook，旨在演示如何将机器学习技术实际应用于算法交易策略的构建、评估与回测。内容全面覆盖了从线性回归到深度强化学习的各类算法，详细讲解了金融特征工程、基于文本数据的 NLP 信号提取以及 CNN、RNN 等模型在金融市场的实战应用。

https://github.com/stefan-jansen/machine-learning-for-trading

📡 来源：@shenzjd_com
↑