#生成式AI

Learn_Prompting

Learn Prompting 提供全面的提示工程、生成式 AI 和大型语言模型（LLM）指南。欢迎加入 Discord 社区，参与内容建议、翻译、内容和艺术作品贡献及错别字纠正。通过本地开发指南，用户可以轻松安装和运行网站，实时查看更改。感谢所有贡献者的支持。

FedML

TensorOpera AI简化了生成式AI和大型语言模型的训练与部署。通过集成的MLOps、调度器和高性能机器学习库，开发者可以在去中心化GPU、多云、边缘服务器和智能手机上经济高效地运行复杂的AI任务。TensorOpera Launch自动配对最经济的GPU资源，消除环境设置和管理难题，支持大规模训练和无服务器部署。TensorOpera Studio和Job Store帮助开发者微调和部署模型，实现高效的跨平台AI工作流。

NeMo

NeMo框架是NVIDIA开发的一款云原生生成式AI框架，专为研究人员和使用PyTorch的开发者设计，支持大型语言模型、多模态模型、自动语音识别等多个领域。该框架能够利用现有代码和预训练的模型检查点，帮助用户高效创建和定制新的生成式AI模型。通过广泛的教程和文档，用户可以轻松开始使用NeMo框架，无论是在任何云端还是本地环境中。

LLMStack

LLMStack是一个无代码平台，允许构建定制化的生成式AI代理、应用和聊天机器人。用户无需编写代码即可集成数据和内部工具，并连接GPT驱动的模型。平台支持从Slack或Discord触发AI链，并可部署到云端或本地。LLMStack还提供多租户功能，支持创建多个组织和管理用户权限。了解更多，请访问我们的文档页面。

amazon-bedrock-samples

该资源库提供了全面的示例帮助客户快速上手Amazon Bedrock服务，包括基础教程、模型微调、AI解决方案探索等。同时，项目还强调了如何安全和道德地使用这些高级AI技术。

LMOps

LMOps项目专注于使用基础模型构建AI产品，尤其是在长语言模型和生成AI模型领域的研究。项目涵盖自动提示优化、结构化提示、对齐、加速推理和定制化等技术。最新成果包括提示优化、上下文示例选择、指令调优和零样本评估，旨在提升模型性能和应用广泛性。项目正在招聘各级别研究人员，共同推进AI技术的发展。

towhee

Towhee通过大型语言模型（LLM）编排，简化非结构化数据处理。支持多模态数据，如文本、图像、音频和视频。整合生成式AI和先进深度学习模型，将原始数据转换为特定格式并高效存储。提供丰富的预构建ETL管道、灵活的LLM编排和高性能后端。Towhee的Pythonic API使构建和优化数据处理管道更加便捷，适合开发者快速原型和生产部署。

ocular

Ocular集成了ChatGPT和Google搜索的功能，为企业打造数据驱动的搜索和聊天平台。提供自定义搜索界面、应用连接市场、数据连接器定制以及访问控制和审计日志，无论开源或付费，均可帮助企业迅速部署内部搜索，提高效率和数据安全。

cover-agent

CodiumAI Cover Agent 通过自动生成测试来增强现有测试套件，有效提升代码覆盖率。使用先进的生成式AI模型，Cover Agent 简化并自动化了单元测试创建，确保软件开发质量。支持多种LLM模型，并可集成到流行的CI平台，适用于终端或CI环境。该工具还提供详细日志记录和示例代码，帮助用户快速上手。