好开源，值得被发现。

Luigi是一个Python包，用于构建复杂的批处理作业管道，处理依赖解析、工作流管理、可视化、故障处理和命令行集成，并内置Hadoop支持。

CocoIndex 是一个专为长程 AI 代理设计的增量索引框架，能够将代码库、会议笔记、Slack、PDF 及视频等多种数据源转换为 LLM 应用的实时上下文，通过仅处理变更数据来大幅降低计算与嵌入成本。

FiftyOne 是一款开源工具，用于构建高质量数据集和计算机视觉模型，支持可视化、标注、评估及数据策展。

由证券分析师开发的韩国上市公司 ESG 数据 MCP 服务器。无需 API 密钥，即可通过 Claude 和 ChatGPT 等 AI 代理，利用 12 个工具查询分布在 KRX ESG 门户、KIND 公示和 GIR 的 5 家机构 ESG 等级、治理指标、温室气体排放量及报告原文。

Apache Spark 是一个专为大规模数据处理设计的统一分析引擎，提供高级 API 和针对通用计算图的优化引擎。

newspaper3k 是一个 Python 3 库，用于从网络抓取和整理文章，提供全文与元数据提取、NLP、多语言支持及多线程下载等功能。

Deck Lab 是一个 Python/Flask 工作区，用于构建、研究和黄金鱼模拟竞争性指挥官(万智牌)套牌，具备版本化数据契约、隔离 QA 和可验证容器发布。

MCP服务器通过20个无需认证的工具向AI助手提供瑞士联邦地理数据（地图、高程、地理编码、STAC、WMTS、OEREB）。

kalauz 是一款命令行界面工具，用于处理铁路限速数据并将其在 HTML 地图上可视化。它支持从电子表格中提取数据，并利用 AI 对限速原因进行分类。

Apache Beam 是一个统一的编程模型，用于定义批处理和流式数据并行处理流水线。

Portabase CLI 是管理 Portabase 实例的官方命令行工具，支持 PostgreSQL、MySQL、MongoDB、Redis 等数据库的备份与恢复，并处理 Docker 卷。

一个用于比利时列日开放数据平台的异步 Python 客户端。它目前通过简单的异步 API 公开残疾人停车位和车库数据集，并且其代码库设计为可轻松扩展以支持同一平台的其他数据集。

Pydantic 是一个用于 Python 的数据验证库，它利用类型提示（type hints）来强制执行数据结构。

BlenderGIS 是一款 Blender 插件（最低版本 2.83），将 Blender 的 3D 建模能力与地理信息系统相结合。它支持导入 Shapefile、GeoTIFF DEM 等 GIS 数据，可从网络获取 OpenStreetMap 数据及 NASA SRTM 高程数据。该插件管理地理参考信息，通过 Delaunay 三角剖分生成地形网格，支持地形分析、基于地理标签照片设置相机及渲染地理参考栅格。自 2022 年起，OpenTopography 服务需免费 API 密钥。

Faker 是一个 Python 软件包，用于生成合成数据，适用于数据库引导、压力测试和数据匿名化。

pandas 是一个功能强大的 Python 库，提供了快速、灵活且富有表现力的数据结构，专为处理关系型或标记数据而设计。

Scrapy 是一个用于 Python 的快速、高级 Web 抓取框架，旨在从网站提取结构化数据。它跨平台且需要 Python 3.10 或更高版本，由 Zyte（前 Scrapinghub）及众多贡献者维护。

Apache Airflow 是一个用于以代码形式编程编写、调度和监控工作流的平台，常用于数据管道以及 AI/ML 编排。

finra-py是一个非官方的开源Python客户端库，用于封装FINRA API平台，自动处理OAuth 2.0认证，并返回原始httpx响应对象，支持Query、Notification和Submission三类API。

这是一个以变异为中心的 CRISPR 设计框架，将 SpCas9 核酸酶、碱基编辑器和先导编辑器统一在同一个类型化接口下，提供带有校准不确定性和群体感知脱靶报告的候选编辑排名。