好开源，值得被发现。

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。

Speech To Speech 是一个基于开源模型的模块化语音代理框架，通过 VAD、STT、LLM 和 TTS 四个可插拔阶段构建语音交互管道，支持本地、混合及远程部署，并提供低延迟的 OpenAI Realtime API 兼容接口。

《从零构建大语言模型》官方代码仓库：以 PyTorch 逐步实现类 GPT 模型，涵盖预训练与微调，附 notebook 与练习。

DocsGPT 是一个开源 AI 平台，用于构建智能代理和助手，具备文档分析、多模型支持以及企业级搜索能力。

一个约5.4亿参数的小型GPT语言模型，设计用于在消费级笔记本电脑硬件上从零训练，支持在Fineweb-edu上预训练及聊天微调。

Repomix 将整个代码库打包为单一AI友好文件（XML、Markdown、JSON或纯文本），支持令牌统计、安全过滤、代码压缩和远程仓库加载，专为Claude、ChatGPT、Gemini等大模型优化，提升代码理解与交互效率。

一个面向语义搜索、LLM 编排和语言模型工作流的集成 AI 框架，核心为嵌入数据库，整合向量索引、图网络和关系数据库，支持 RAG、智能体和多种 API 绑定。

Swift Tokenizers 是围绕 Hugging Face 的 Rust tokenizers crate 的高性能 Swift 封装，专注于分词功能，不依赖 Hub。它支持 macOS、iOS 和 Linux，提供编码、解码、流式反分词、聊天模板和工具调用等功能。

微软推出的免费21课生成式AI入门课程，涵盖LLM、提示工程、RAG、智能体、微调等内容，提供Python/TypeScript示例。

GPT4Free 将多个语言模型和媒体生成提供商整合到一个统一界面中。它提供 Python/JS 客户端、兼容 OpenAI 的 REST API、GUI 和 CLI，支持通过 gpt-4o-mini 和 flux 等多种模型进行文本和图像生成。

《提示工程指南》是一份全面的开源资源，涵盖提示工程、RAG、AI代理和LLM优化技术。提供教程、研究论文、工具和笔记本，帮助研究人员和开发者有效利用大型语言模型。

ChatRWKV是一个基于RWKV模型的开源聊天界面，RWKV是100% RNN架构，提供类似Transformer的质量，但更低VRAM占用和更快推理。项目包含Python API、Gradio演示及微调和本地部署指南。