好开源，值得被发现。

DataPulse 是一个针对马来西亚公共数据的开放、只读验证层。它通过对 418 个官方数据集进行重复探测，发布关于新鲜度、许可、架构和来源的可机读证据，并通过一个包含 19 个工具的只读 MCP 服务器为 AI 代理提供服务。

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。

Label Studio是一个开源的多类型数据标注工具，支持音频、文本、图像、视频和时间序列，界面简洁，可导出多种模型格式。

Antiserum 是一款开源的本地 CLI 扫描工具，用于检测文本训练数据中的潜在毒化内容，如触发 n-gram、标签翻转、重复注入、隐藏 Unicode 及已知签名匹配。它支持离线运行、生成确定性收据、集成 CI/SARIF，并允许用户确认发现结果并贡献公共签名。

PASO 是一个生产级实时通信平台，具备 AI 审核、音视频通话及可扩展 Socket.IO 基础设施。它整合了消息传递、AI 功能和管理控制。

一个旨在通过钢琴和吉他教授 AI 音乐性的 MCP 服务器。它具备 120 首带注释的歌曲、六种声音引擎、基于浏览器的作曲驾驶舱以及一个公开的工具使用轨迹数据集。

大规模中文自然语言处理语料库，包含维基百科、新闻语料、百科问答、社区问答及中英文翻译语料等多个高质量数据集，旨在推动中文NLP领域的发展与大模型预训练。

一个由社区共同维护的免费公共API目录，按类别整理，帮助开发者为其项目寻找可用接口。