产品库

Semantic Kernel的OpenAPI插件，支持.NET和Python。

Semantic Kernel OpenAPI插件是一个为Semantic Kernel设计的插件，它允许开发者轻松地将现有的API集成为插件，增强AI代理的能力，使其在实际应用中更加多样化。这个插件的发布标志着开发者可以利用现有的API功能，将其转化为AI解决方案中的插件，简化流程，提升开发效率。

.NET 9，跨平台开发的最新力作。

.NET 9是微软推出的最新跨平台开发框架，它集成了数千项性能、安全性和功能改进，使得开发者能够以统一的平台构建应用程序，并轻松地将AI融入应用。.NET 9不仅提升了运行时性能，还增强了对AI的支持，改进了ASP.NET Core和Blazor框架，以及对.NET MAUI的多平台应用开发进行了增强。

.NET 9的第五个预览版，包含多项库改进和新功能。

.NET 9 Preview 5是.NET平台的最新预览版本，它为开发者带来了一系列新的功能和改进。其中包括增强的AI功能、性能优化、对Azure Cosmos DB的增强支持、对Blazor Hybrid模板的更新以及对ASP.NET Core的多项改进。这些更新旨在提高开发效率，增强应用程序的性能和可扩展性。

集成大型语言模型的SDK

Semantic Kernel是一个集成了大型语言模型（LLMs）如OpenAI、Azure OpenAI和Hugging Face的软件开发工具包（SDK），它允许开发者通过定义可串联的插件，在几行代码内实现与AI的交互。其特色在于能够自动编排AI插件，使用户能够通过LLM生成实现特定目标的计划，并由Semantic Kernel执行该计划。

为初学者设计的AI Python编程课程

AI Python for Beginners 是由 DeepLearning.AI 提供的在线课程，由全球知名的 AI 领导者 Andrew Ng 亲自授课。课程旨在帮助初学者学习 Python 编程基础，并教授如何将 AI 工具集成到数据操作、分析和可视化中。通过这个课程，学习者可以发现 Python 在商业、市场营销和新闻等领域的应用，解决实际问题并提高效率。课程通过 AI 助手辅助学习，提供即时反馈，解答问题，快速识别并解决编程中的错误，确保学习者在编码过程中得到有效支持。

由 AI 和 .NET 驱动的智能桌面应用

小幻助理是一款基于 AI 和 .NET 技术的智能桌面应用，支持主流 AI 服务和开源模型，用户可以调用各种服务进行组合，轻松构建属于自己的助理工作流，让用户更加高效便捷地完成工作。

Python机器学习库

scikit-learn是一个简单高效的机器学习库，提供了丰富的机器学习算法和工具，可用于分类、回归、聚类、降维等任务。它基于NumPy、SciPy和matplotlib构建，具有易用性、性能优越以及可重复使用的特点。scikit-learn开源可商用，采用BSD许可证。

基于 Python 和 FastAPI 的非官方 Suno API。

SunoAPI 是一个基于 Python 和 FastAPI 的非官方 Suno API。它支持生成歌曲、歌词等功能，并带有内置的令牌维护和保持活跃功能，让您无需担心令牌过期。SunoAPI 采用全异步设计，运行速度快，适合后续扩展。用户可以轻松使用 API 生成各种音乐内容。

低代码的python机器学习库

PyCaret是一个开源的、低代码的Python机器学习库,它可以自动化机器学习工作流程。PyCaret 可以让你花费更少的时间编写代码,更多的时间用于分析。PyCaret模块化设计,每个模块封装了特定的机器学习任务。PyCaret中一致的函数集可以在工作流中执行任务。PyCaret中有许多数据预处理功能可供选择,从缩放到特征工程。有大量有趣的教程可以帮助你学习PyCaret,你可以从我们的官方教程开始。PyCaret使机器学习变得简单有趣。

Python中创建精美表格的库

Great Tables是一个Python库，用于创建美观且功能丰富的表格。它支持Pandas或Polars DataFrame作为数据源，提供了多种格式化选项和自定义功能，非常适合数据分析和报告生成。该库由Rich Iannone和Michael Chow主要维护，采用MIT许可证，强调简洁而强大的设计哲学。

Mac上的简单助手，使用llama-cpp-python。

LLaMA Assistant for Mac是一个基于llama-cpp-python库开发的桌面客户端，旨在通过预定义需求为用户提供帮助。它采用了大量来自其他项目的代码，但用llama-cpp-python替代了ollama部分，以实现更符合Python编程风格的解决方案。

一个用于Lumina模型的Python包装器

ComfyUI-LuminaWrapper是一个开源的Python包装器，用于简化Lumina模型的加载和使用。它支持自定义节点和工作流，使得开发者能够更便捷地集成Lumina模型到自己的项目中。该插件主要面向希望在Python环境中使用Lumina模型进行深度学习或机器学习的开发者。

一个简单而强大的Python库，用于使用大型语言模型（LLMs）。

promptic是一个轻量级、基于装饰器的Python库，它通过litellm简化了与大型语言模型（LLMs）交互的过程。使用promptic，你可以轻松创建提示，处理输入参数，并从LLMs接收结构化输出，仅需几行代码。

下一代Python笔记本

marimo是一个开源的Python反应式笔记本，它具有可复现性、对git友好、可以作为脚本执行，并且可以作为应用程序分享。它通过自动运行受影响的单元格来响应单元格的更改，消除了管理笔记本状态的繁琐工作。marimo的UI元素如数据框架GUI和图表，使得数据处理变得快速、未来感和直观。marimo笔记本以.py文件存储，可以与git版本控制一起使用，可以作为Python脚本运行，也可以导入符号到其他笔记本或Python文件中，并使用你喜欢的工具进行lint或格式化。所有这些都在现代的 AI 支持的编辑器中进行。

Langroid是一个基于Python的轻量级LLM框架

Langroid是一个轻量级、可扩展和原则性的Python框架,可以轻松地构建基于LLM的应用程序。您可以设置代理,为它们配备可选组件(LLM、向量存储和方法),分配它们任务,并让他们通过交换消息协作解决问题。这个多代理范例的灵感来自Actor框架(但您不需要了解任何关于这个的知识!)。Langroid提供了一个全新的LLM应用程序开发方式,在简化开发人员体验方面进行了深思熟虑;它不使用Langchain。我们欢迎贡献--请参阅贡献文档以获取贡献想法。

Vanna: 用AI快速生成SQL的Python包

Vanna.AI是一个基于Python的AI SQL助手，能够帮助您快速生成SQL查询语句。它支持Snowflake、BigQuery、Athena、Postgres等多种数据库，可以帮助您简化SQL的创建流程。您只需提供数据库的架构信息，Vanna会根据您的需求自动生成相应的SQL代码。Vanna具有高精度和安全性，您的数据库内容永远不会发送到Vanna的服务器。

多模态智能分块库

Semantic Chunkers 是一个多模态分块库，用于智能地对文本、视频和音频进行分块，提高AI和数据处理的效率和准确性。

AI 助力的科研工具

Semantic Scholar 是一个免费的 AI 助力科研工具，基于 AI2 研究所开发，利用先进的人工智能和工程技术，理解科学文献的语义，帮助学者发现相关研究。该工具通过搜索和分析全球范围内的科学论文，提供独特的语义理解和相关度评估，以帮助学者快速准确地找到所需的研究资源。Semantic Scholar 还提供了 API 接口和开发者工具，支持开发者构建学术应用和科研工具。

Python 网络爬虫和浏览器自动化库

Crawlee 是一个用于构建可靠爬虫的 Python 网络爬虫和浏览器自动化库，提取数据用于AI、LLMs、RAG或GPTs。它提供了统一的接口来处理 HTTP 和无头浏览器爬取任务，支持自动并行爬取，基于系统资源进行调整。Crawlee 用 Python 编写，包含类型提示，增强了开发体验并减少了错误。它具备自动重试、集成代理轮换和会话管理、可配置的请求路由、持久化 URL 队列、可插拔的存储选项等功能。相较于 Scrapy，Crawlee 提供了对无头浏览器爬取的原生支持，拥有简洁优雅的接口，并且完全基于标准的异步 IO。

自动提取和总结 arXiv 研究论文的 Python 工具。

该产品是一个 Python 脚本，利用 Gemini API 从 arXiv 获取和总结研究论文。它帮助研究人员、学生和爱好者快速提取关键信息，从而节省阅读冗长文献的时间。该工具不仅适合个体用户，还可以自动化日常的文献检索，提升研究效率。产品免费提供，易于安装和配置。

Python自然语言处理工具包

NLTK是一个领先的Python平台，用于处理人类语言数据。它提供了易于使用的接口，用于访问50多个语料库和词汇资源，如WordNet，并提供了一套文本处理库，用于分类、标记、解析和语义推理。它还提供了工业级NLP库的封装，并有一个活跃的讨论论坛。NLTK适用于语言学家、工程师、学生、教育者、研究人员和行业用户。NLTK可以免费使用，并且是一个开源的社区驱动项目。

轻量级Python库，用于使用大型语言模型进行网站抓取。

Parsera是一个轻量级的Python库，专门设计用于与大型语言模型（LLMs）结合，以简化网站数据抓取的过程。它通过使用最少的令牌来提高速度并降低成本，使得数据抓取变得更加高效和经济。Parsera支持多种聊天模型，并且可以自定义使用不同的模型，如OpenAI或Azure。

Dria-Agent-α是基于Python的大型语言模型工具交互框架。

Dria-Agent-α是Hugging Face推出的大型语言模型（LLM）工具交互框架。它通过Python代码来调用工具，与传统的JSON模式相比，能更充分地发挥LLM的推理能力，使模型能够以更接近人类自然语言的方式进行复杂问题的解决。该框架利用Python的流行性和接近伪代码的语法，使LLM在代理场景中表现更佳。Dria-Agent-α的开发使用了合成数据生成工具Dria，通过多阶段管道生成逼真的场景，训练模型进行复杂问题解决。目前已有Dria-Agent-α-3B和Dria-Agent-α-7B两个模型在Hugging Face上发布。

Streamlit是一个开源Python库,用于快速构建数据应用和机器学习产品原型。

Streamlit是一个开源Python库,让数据科学家和机器学习工程师可以快速地在Web浏览器中创建Beautiful,自定义的机器学习应用程序和数据应用程序。无需学习前端Web开发,Streamlit应用可以在几分钟内从简单的脚本构建。Streamlit提供了简单的API来创建各种交互式小部件,如文本、图像、表格、图表、视频等,从而使数据探索和展示变得轻松。它具有内置支持的数据框架,如Pandas、Numpy、Matplotlib等。它兼容大多数Python机器学习库,如Scikit-learn、TensorFlow等。

多人协作的数据平台，支持SQL和Python的交互式笔记本。

Briefer是一个开源的数据平台，它允许用户运行SQL和Python代码，并将笔记本转化为仪表板和数据应用。它支持连接多种数据源，如Postgres、BigQuery、Redshift等，并且可以利用查询结果直接在Python代码块中使用。此外，它还提供了预安装的库和内置AI助手来帮助用户更快速地编写代码。Briefer的仪表板和数据应用功能，使得用户可以创建交互式的页面，用于数据探索和决策支持。

搜索网页或输入文本以获取所需答案。

Semantic Search是一款基于人工智能的语义搜索插件。它通过使用自然语言处理模型，从网页或输入的文本中找到您需要的答案。即使您的问题没有与网页上的答案完全相同，这个插件仍然可以准确回答您的问题。它具有快速、准确的搜索能力，提供高效的信息获取体验。

一个用于创建基于LangGraph的分层多智能体系统的Python库。

LangGraph Multi-Agent Supervisor是一个基于LangGraph框架构建的Python库，用于创建分层多智能体系统。它允许开发者通过一个中心化的监督智能体来协调多个专业智能体，实现任务的动态分配和通信管理。该技术的重要性在于其能够高效地组织复杂的多智能体任务，提升系统的灵活性和可扩展性。它适用于需要多智能体协作的场景，如自动化任务处理、复杂问题解决等。该产品定位为高级开发者和企业级应用，目前未明确公开价格，但其开源特性使得用户可以根据自身需求进行定制和扩展。

使用Python和AI扩展业务流程，实现全面透明化和高效自动化。

Abstra是一个基于Python和AI的业务流程自动化平台，它允许用户通过拖放组件和绑定Python代码来创建功能强大的工作流。该平台提供了智能表单、定时任务和事件触发器等多种自动化工具，支持一键部署到云端，并且可以与Git集成。Abstra强调透明度和可审计性，提供SSO或SAML身份验证和细粒度的访问控制，适合需要高度定制化自动化解决方案的企业团队。

将任何网页转化为Python编程环境，无需设置即可执行代码。

Cliprun 是一款基于浏览器的 Python 编程工具，通过 Chrome 插件的形式，让用户能够在任何网页上直接运行 Python 代码。它利用 Pyodide 技术，实现了无需本地环境配置的即时代码执行。该工具的主要优点包括无需安装 Python 环境、支持多种常用 Python 库（如 pandas、numpy、matplotlib 等）、提供代码片段保存功能以及支持数据可视化和自动化脚本运行。Cliprun 主要面向开发者、数据分析师和编程学习者，旨在提供一个便捷、高效的在线编程环境，帮助用户快速实现代码测试、数据分析和自动化任务。

与文档进行自然语言对话的Python应用

Chat With Your Docs 是一个Python应用程序，允许用户与多种文档格式（如PDF、网页和YouTube视频）进行对话。用户可以使用自然语言提问，应用程序将基于文档内容提供相关回答。该应用利用语言模型生成准确答案。请注意，应用仅回应与加载的文档相关的问题。