Решения

Готовые решения с исходным кодом на GitHub

Фильтры по тегам

Все ai-agents llm open-source mcp cli python self-hosted multi-agent claude-code tools rag orchestration multimodal

Показано: 4

Lipflow — ввод текста по движению губ, без микрофона и без звука

Lipflow — настольная программа с открытым исходным кодом, которая превращает движение губ в текст. Зажимаете клавишу, беззвучно шевелите губами, отпускаете — текст вставляется в любое активное окно. М…

📂 GitHub
speech-to-text local-first productivity ещё 2

Agent TARS и UI-TARS Desktop — открытый мультимодальный агентский стек от ByteDance

Репозиторий bytedance/UI TARS desktop — это открытый мультимодальный агентский стек от ByteDance. Проект набрал почти 40 тысяч звёзд на GitHub и распространяется под лицензией Apache 2.0. Внутри живут…

📂 GitHub
gui-agent multimodal computer-use ещё 2

PixelRAG — поиск по скриншотам вместо парсинга HTML

PixelRAG — это RAG система, которая отказывается от парсинга HTML в пользу рендеринга страниц в скриншоты. Вместо того чтобы извлекать текст и терять таблицы, графики и вёрстку, она делает скриншот ст…

📂 GitHub
rag vision multimodal ещё 3

Hands-On AI Engineering — практика AI-проектов

Коллекция из 60+ готовых AI проектов от сообщества AI Engineering. Каждый проект — это полный рабочий код с инструкциями по запуску: от мультиагентных исследовательских систем до OCR распознавания рец…

📂 GitHub
ai-agents rag ocr ещё 2