推荐 5 个 yyds 的 AI 开源项目，给劲儿啊。-AI Express News

智谱开源 GLM-4.7

智谱 GLM-4.7 正式发布并官宣即将开源。

LiveCodeBench 和 Code Arena 等多个权威榜单中，它直接拿下了国产第一、开源第一。

综合 Coding 能力已经直逼甚至在某些维度超越了 Claude 4.5 Sonnet。

而且最近智谱向港交所递交了招股书，冲击全球大模型第一股。国产大模型在编程这一核心赛道上，已经具备了冲击世界顶尖水平的实战底气。开源地址：https://huggingface.co/zai-org/GLM-4.7

闲置手机搞成 AI 集群

这个 3.6 万人 Star 的分布式 AI 推理开源框架有点顶啊。

它能让你能够利用手头现有 iPhone、iPad、Mac、安卓设备乃至树莓派啥的，搭建一个私人的 AI 集群。

它打破了运行大模型必须依赖高端 GPU 的限制，通过资源池化的方式实现大模型的运行。

这个开源项目对硬件的自适应能力很强，能够根据网络拓扑和各设备的剩余算力，动态地将模型进行分片。

通过支持 RDMA over Thunderbolt 等技术，exo 能够显著降低设备间的通信延迟，使得分布式推理的效率远高于普通的网络连接。

开源地址：https://github.com/exo-explore/exo

系统化的 Vibe Coding 开源教程

Datawhale 开源社区的又一力作，这是一份系统化的 Vibe Coding 开源教程。

这个开源教程的质量还是挺不错的，教程内容涵盖了从零基础到全栈实战的全过程，特别针对没有编程背景的初学者、大学生或希望提升效率的创业者。

它不仅讲解如何使用提示词生成代码，还深入探讨了如何利用 Cursor、Claude 等工具快速将想法转化为实际产品。

项目配套有专门的在线学习网站，提供了丰富的案例和进阶路径。它旨在解决国内 AI 编程资源碎片化的问题，通过系统性的引导，让学习者能够快速掌握构建 AI 驱动应用的能力。

开源地址：https://github.com/datawhalechina/vibe-vibe

视频 AI 分析平台

VideoPipe 是一个用 C++ 写的跨平台视频结构化与分析框架。

它的设计理念类似于流水线，通过将视频处理的各个环节，比如解码、推理、绘制、编码等拆分为独立的节点，用户可以根据业务需求灵活地组合这些节点，构建出复杂的视觉分析系统。

该框架的一大特点是轻量级且依赖较少，非常适合在安防监控、交通管理、人脸识别等实际工程场景中快速部署。

比如实时分析车辆轨迹，自动识别违章掉头、非法压线或逆行。它不仅能认出那是辆车，还能识别出车牌号，并把违章过程录制成小视频存证。

它支持主流的视频流协议如 RTSP、RTMP 以及本地文件输入，并集成了 OpenCV 和 GStreamer 进行硬件加速解码。

该项目有详实的中文文档和示例代码，极大地降低了 C++ 视频分析开发的门槛。

开源地址：https://github.com/sherlockchou86/VideoPipe

属于个人的 AI 基础设施

这个开源项目叫 Personal AI Infrastructure。

看名字也能猜出来，这个开源项目想帮你搭建一套属于个人的 AI 基础设施。

项目的愿景是让个人能够拥有并控制自己的 AI 操作系统，而不是依赖大型企业提供的黑盒服务。

这个开源项目的架构设计还是非常清晰的，包含技能 Skills、智能体 Agents、钩子 Hooks 和历史 History 四大核心模块。

它目前是基于 Anthropic 的 Claude Code 构建，核心逻辑是 AI 增强人类：通过自动化的工作流捕获用户的工作模式，将其固化为可复用的 AI 技能。

而且它集成了另一个知名项目 Fabric，利用大量的精选提示词来处理日常任务，如总结文档、编写代码或进行安全分析啥的

开源地址：https://github.com/danielmiessler/Personal_AI_Infrastructure

文章版权归作者所有，未经允许请勿转载。

THE END

推荐 5 个 yyds 的 AI 开源项目，给劲儿啊。