本周 GitHub 探索精选了 8 一个实用的开源项目，涵盖了人工智能、测试自动化、代码生成等领域。具有突破性的多模态模型 CogVLM2 端到端加密平台创新 Ente，然后是强大的文档编辑工具 Univer，该项目为开发者提供了强大的工具和灵感来源。另外，你还会发现一个开源。 Google 测试框架，一个 ChatGPT 转 OPEnAI API 代理，一个全面的代理 LLM 课程，以及一个从零开始构建技术的代码库。快来探索这些开源神器，释放你的创造力和生产力！

1.CogVLM2：GPT4V 级开源多模态模型

️仓库名称：THUDM/CogVLM2
截止日期星数： 1106 (最近一周新增：343)
仓库语言: Python
仓库开源协议：Apache License 2.0

引言

CogVLM2 是由 THUDM 基于Meta的开源尖端多模态模型-Llama-3-8B，超越或超越各个领域。 GPT-4V 性能匹配。

结论

CogVLM2 它是最先进的开源模型，其卓越的性能和易用性使它成为研究者、从业者和爱好者的宝贵工具。

2.Ente - 开源、端到端加密照片及身份验证

️仓库名称：ente-io/ente
截止日期星数： 9119 (最近一周新增：930)
仓库语言: Dart
仓库开源协议：GNU Affero General Public License v3.0

引言

Ente 它是一个开源端到端的加密平台，旨在为云端存储数据提供一种不需要信任服务提供商的方法。基于这个平台，Ente 开发了两个应用程序：Ente Photos（苹果和 Google Photos 替代品)和 Ente Auth（已停用的 Authy 验证替代品的两步)。

项目作用

Ente 采用先进的加密技术，其源代码和密码学都经过了外部审计机构的审查。

仓库描述

该仓库包含 Ente 具体包括应用程序和服务器的所有源代码：

• iOS、Android、F-Droid、Web、Linux、macOS 和 Windows 客户端
• 服务器用于支持这些客户端。

案例

• Ente Photos 提供相似之处 Google Photos 和 Apple Photos 功能，但更注重隐私和安全。
• Ente Auth 这是一个开源、端到端加密的身份验证器。

客观性评价或分析

Ente 因其对隐私和安全的承诺而受到高度赞扬。其开源特性增强了透明度和可信度。

使用建议

• 考虑使用 Ente Photos 照片的安全存储。
• 使用 Ente Auth 对代码进行管理两步验证，提高帐户安全性。
• 对注重隐私的技术爱好者来说，这是一个不错的选择。

结论

Ente 强大的功能可以为用户提供安全透明的管理个人数据的方法。其开源特性和对隐私的关注使其成为个人和组织关注安全的理想选择。

3.Univer：开源的 Google 表格、幻灯片和文档替代品

️仓库名称：dream-num/univer
截止日期星数： 5101 (最近一周新增：1202)
仓库语言: TypeScript
仓库开源协议：Apache License 2.0

引言

Univer 这是一个开源 Google 表格、幻灯片和文档替代品，旨在为文档编辑和合作提供一个强大的平台。

仓库描述

该项目包括下列仓库：

• core：插件系统和基本结构
• data-validation：资料验证功能
• design：Univer 的设计系统
• docs：富文编辑逻辑
• docs-ui：Univer 文件的用户界面
• engine-formula：基于 Canvas 的渲染引擎
• engine-numfmt：数字化格式发动机
• engine-render：基于 Canvas 渲染引擎的上下文
• facade：简化 Univer 使用的 API 层
• find-replace：搜索和更换功能
• network：基于 WebSocket 和 HTTP 的网络服务
• rpc：用于在 Univer 同步数据在文档副本之间的 RPC 机制
• sheets：基本的电子表逻辑
• sheets-conditional-formatting：条件格式在电子表格中
• sheets-conditional-formatting-ui：用户界面的条件格式
• sheets-data-validation：数据验证电子表格中的数据
• sheets-find-replace：在电子表格中进行搜索和替换
• sheets-formula：公式在电子表格中
• sheets-numfmt：数字格式在电子表格中
• sheets-zen-editor：禅模式编辑电子表格中的禅模式
• sheets-ui：Univer 用户界面的电子表格
• ui：基本用户交互和工作区布局
• uniscript：基于 TypeScript 的 DSL，用来实现更复杂的任务

案例

下面是一些使用 Univer 的示例：

• 电子表：数据分析，预算管理，金融模型
• 文件：报告，论文，营销文件
• 幻灯片：演示文稿，讲义，培训资料

使用建议

要使用 Univer，推荐使用它 npm 包包导入您的项目。您也可以使用在线游乐场预览 Univer，而且不需要设置开发环境。

结论

Univer 这是一项有前途的工程，为文档编辑与合作提供了一种灵活而强大的解决方案。伴随着社区支持的不断发展，Univer 有望成为 Google 一种强大的开源替代品，文档套件。

4.Open-Sora-Plan：开源 Sora 实现

️仓库名称：PKU-YuanGroup/Open-Sora-Plan
截止日期星数： 10592 (最近一周新增：262)
仓库语言: Python
仓库开源协议：Apache License 2.0

引言

这个项目的目的是重新出现 OpenAI 的 T2V 模型 Sora，欢迎开源社区的贡献。

仓库描述

GitHub README 提供项目的详细概述，包括：

• Sora 模型的背景
• Open-Sora-Plan 实现的概述
• 技术细节，模型架构，训练流程和评估指标

案例

README 中包含使用 Open-Sora-Plan 一些模型用于文本转视频生成和视频编辑的例子。

使用建议

README 本文提供了安装项目、训练模型、采样视频和评估结果的说明。

结论

Open-Sora-Plan 项目提供了 Sora T2V 一种全面易用的模式实现，使研究者和开发者能够探索和扩展文本转视频生成和编辑方面的进展。

5.GoogleTest：谷歌的 C 测试框架

️仓库名称：google/googletest
截止日期星数： 33433 (最近一周新增：169)
仓库语言: C
仓库开源协议：BSD 3-Clause "New" or "Revised" License

引言

介绍 GoogleTest，一个 C 测试框架，它会 GoogleTest 和 GoogleMock 将其合并到一个单一的存储库中。

项目作用

• 声明生成器：宏是用来创造和验证断言的。
• 测试发现器：无需显式注册，自动发现和运行测试。
• 死亡测试：为了测试错误的处理，验证代码退出的特定方法。
• 异常检查器和记录器：在测试过程中，拦截和记录异常。

仓库描述

• 名称： GoogleTest
• 语言： C
• 许可证： BSD 3-Clause "New" or "Revised" License
• 版本： 1.14.0

案例

GoogleTest 被用于测试 Chromium 项目、LLVM 编译器和 OpenCV 著名的开源项目，如库。

客观性评价或分析

GoogleTest 它以其方便、易用和广泛的功能集而受到广泛的赞誉。它简化了测试和开发过程，使开发人员能够专注于编写高质量的代码。

使用建议

• 对跨平台的编写，效率高，易于维护。 C 测试用例很有用。
• 适用于复杂的项目，需要创建参数化测试、异常检查和死亡测试。
• 与其他 Google 开源工具(例如 Abseil）集成良好。

结论

GoogleTest 是一个对 C 开发者非常有价值的测试框架。它提供了一系列功能，可以轻松编写和操作全面的测试用例。这个框架的活跃维护和庞大的用户群体使它成为一个可靠的工具。

6.ChatGPT 转 OpenAI API 代理

️仓库名称：lanqian528/chat228api
截止日期星数： 1175 (最近一周新增：330)
仓库语言: Python
仓库开源协议：MIT License

引言

介绍了这篇技术文章 chat2api，免费的，无限的 ChatGPT 到 OpenAI API 代理商，可以无缝地整合到现有的客户端。

项目作用

chat2api 通过提供与 OpenAI API 作为一个中介，完全相同的响应格式和功能，允许用户使用编程方法和 ChatGPT 互动。它支持流式和非流式传输，并且允许使用 AccessToken 和 RefreshToken，这样就可以用了 GPT-4、GPT-4o 和 GPTs 等待高级模型。

结论

chat2api 它是一种创新而强大的工具，它使开发者能够轻松地将其 ChatGPT 它的功能集成到它们的应用程序中。它为访问最先进的语言模型提供了一种无缝可扩展的方式，从而打开了新的可能性和创新机遇。

打造属于自己的东西。 X

️仓库名称：codecrafters-io/build-YOUr-own-x
截止日期星数： 269421 (最近一周新增：3568)
仓库语言: ****

引言

本代码库收集了编写精良、循序渐进的指南，供您从零开始重新创建您喜爱的技术。

使用建议

学习：使用指南作为构建自己的软件或加深对现有技术理解的起点。 教学：把指南纳入你的课程，或者把它们作为学习软件开发的学生的补充材料。 启发：探索新技术，获得创新项目的想法。 参考资料：将代码库添加到书签中，作为可持续学习和故障排除的宝贵资源。

结论

"创造属于你自己的东西 X“通过构建自己的软件，你可以了解软件工程的奥秘。这个代码库通过提供全面的指南和培养学习者社区，支持你成为一个技能更高、知识更丰富的开发者。

8.mlabonne/llm-course: 全面的 LLM 课程

️仓库名称：mlabonne/llm-course
截止日期星数： 32268 (最近一周新增：712)
仓库语言: Jupyter Notebook
仓库开源协议：Apache License 2.0

引言

对这门综合课程有深入的了解，旨在让你对大型语言模型有深入的了解。 (LLM) 知识与见解。

项目作用

• 基础知识：理解数学的概念，Python 作为探索编程和神经网络 LLM 的基础。
• LLM 科学家：探索 LLM 了解数据准备技术，掌握创建指令数据集的复杂结构。
• LLM 工程师：增强技术，通过监督微调、偏好对齐和优化技术。 LLM 功能。利用量化模型提高效率，并部署在消费级硬件上。

仓库描述

通过路线图和 Colab 了解大语言模型的笔记 (LLM) 的课程。

案例

• 在 PyTorch 多层感知器在中间实现 (MLP) 了解神经网络的基本知识。
• 利用 Hugging Face 的库微调 LLM 完成情感分析或问答等特定任务。
• 使用可用的工具和框架 LLM 为了在有限的硬件资源上部署模型量化。

客观性评价或分析

优势：本课程提供了理解 LLM 结构化、彻底的方法，涵盖了从理论到实践的方方面面。 局限性：假定对编程概念有一个基本的了解，并不深入探讨高技术或高级主题。

使用建议

• 开发者：增强您对 AI 了解语言模型，创建更多创新和有效的应用程序。
• 研究人员：为了探索宝贵资源， LLM 最新的技术进步，并为其发展做出贡献。
• 学生：获取大语言模型领域的基础知识和实践技能， AI 做好职业生涯准备。

结论

本课程是个人寻求全面了解大语言模型的绝佳资源。它为学习者提供了必要的技能，以利用它。 LLM 对于广泛的应用程序，力量并使用它们。

感谢您的观看！不要忘记点赞、收藏和分享哦！❤️ 我最大的动力就是你的支持！ 每日带给您不同的开源项目！