GitHub 一周热点汇总 #1 (2023/12/10-12/16)

GitHub一周热点汇总，梳理每周热门的GitHub项目，了解热点技术趋势，掌握前沿科技方向，发掘更多商机。

#1project-based-learning

• 项目名称：Project Based Learning
• GitHub 链接：https://github.com/practical-tutorials/project-based-learning
• 上周 Star 数：11K+

Github 上的神级项目，光看star数量就已经要吓死个人了，它一周的star增长量甚至要比大多数项目的全部star还多。

其实project based learning是一个学习的概念，项目式学习（project based learning）是一种动态的学习方法,通过PBL学生们主动的探索现实世界的问题和挑战, 在这个过程中领会到更深刻的知识和技能。

该项目的作者汇集了一个编程教程列表，有抱负的软件开发人员可以在其中学习如何从头开始构建应用程序。

这个项目包括了几乎所有的主流语言，想学的全部都有：

当然这个项目是由以youtube以及一些海外内容为主的，所以想要开始学习前，需要先准备好自己的网络环境。

#2 GPTS

• 项目名称：GPTs
• GitHub 链接：https://github.com/linexjlin/GPTs
• 上周 Star 数：9700 +

prompt就是用户给gpt类工具的输入语句，它可以是一个问题、一个命令、一个主题、一个开头、一个示例等等。prompt的作用是告诉GPT类工具你想要它做什么，或者你想要它生成什么样的文本。prompt是GPT类工具生成文本的关键因素，一个好的prompt可以让GPT类工具更准确地理解你的意图，更快速地给出你想要的结果，更有趣地展示它的能力。

本项目汇集了各种 prompt 的列表，可以帮助GPT使用者更好的来改进自己的prompt。

#3 lobehub / lobe-chat

• 项目名称：Lobe Chat
• GitHub 链接：https://github.com/lobehub/lobe-chat
• 上周 Star 数：5500 +

LobeChat 是开源的高性能聊天机器人框架，支持语音合成、多模态、可扩展的（Function Call）插件系统。支持一键免费部署私人 ChatGPT/LLM 网页应用程序。

上周一周LobeChat获得了超过4100个star，作为AI的伴生工具，热度上升速度让人侧目。

快速汇总项目支持的特性：

• GPT 视觉认知
• TTS & STT 语音会话
• Function Calling 插件系统
• 助手市场
• PWA 渐进式 Web 应用
• 移动设备适配
• 主题模式选择

#4 ml-explore / mlx

• 项目名称：mlx
• GitHub 链接：https://github.com/ml-explore/mlx
• 上周 Star 数：4000 +

MLX 是 Apple 芯片上用于机器学习的阵列框架，由 Apple 机器学习研究团队为您提供。

MLX 的一些主要功能包括：

• 熟悉的 API：MLX 具有紧随 NumPy 的 Python API。 MLX 还拥有功能齐全的 C++ API，它与 Python API 非常相似。 MLX 拥有更高级别的软件包，例如 mlx.nn 和 mlx.optimizers，其 API 紧密遵循 PyTorch，以简化构建更复杂的模型。
• 可组合函数转换：MLX 支持用于自动微分、自动矢量化和计算图优化的可组合函数转换。
• 惰性计算：MLX 中的计算是惰性计算。 数组仅在需要时才会具体化。
• 动态图构建：MLX 中的计算图是动态构建的。 更改函数参数的形状不会触发缓慢的编译，并且调试简单直观。
• 多设备：操作可以在任何支持的设备上运行（当前是 CPU 和 GPU）。
• 统一内存：与 MLX 和其他框架的显着区别是统一内存模型。 MLX 中的数组位于共享内存中。 MLX 阵列上的操作可以在任何支持的设备类型上执行，而无需传输数据。

同时，MLX的示例项目，https://github.com/ml-explore/mlx-examples 上周也增长了超过1700star

#5 SuperDuperDB / superduperdb

• 项目名称：SuperDuperDB
• GitHub 链接：https://github.com/SuperDuperDB/superduperdb
• 上周 Star 数：2400 +

SuperDuperDB 是一个开源框架，用于将 AI 直接与现有数据库集成，包括流式推理、可扩展模型训练和矢量搜索。

SuperDuperDB 不是数据库。 它将您最喜爱的数据库转变为人工智能开发和部署环境； 可以这样认为 db = superduper(db)。

SuperDuperDB 通过在数据源直接在现有数据基础设施之上集成 AI，消除了复杂的 MLOps 管道、专用矢量数据库以及迁移和复制数据的需要。 这极大地简化了人工智能应用程序的构建和管理：

• 生成式人工智能和法学硕士聊天
• 矢量搜索
• 标准机器学习用例（分类、细分、推荐等）
• 涉及超专业模型的高度定制人工智能用例