OpenPCDet

GitHub
5.5k 1.4k 较难 1 次阅读 今天Apache-2.0图像其他Agent开发框架
AI 解读 由 AI 自动生成，仅供参考

OpenPCDet 是一个清晰、简洁且自包含的开源项目，专注于基于激光雷达（LiDAR）的 3D 物体检测。它旨在解决自动驾驶领域中从点云数据精准识别车辆、行人等目标的核心难题，为研究人员和开发者提供了一套标准化的算法实现框架。

作为 PointRCNN、PV-RCNN++、MPPNet 及 DSVT 等多个经典与前沿模型的官方代码库，OpenPCDet 不仅复现了学术界的高性能算法，还持续集成最新技术突破。其独特亮点包括支持多模态融合检测（如 BEVFusion、TransFusion-Lidar），在 NuScenes 数据集上实现了领先的检测精度；同时引入了稀疏卷积网络（如 VoxelNeXt）和时序检测能力，其中 MPPNet 曾在 Waymo 公开数据集榜单上斩获第一。此外，项目提供了完善的自定义数据集教程和 Docker 部署支持，大幅降低了环境配置与数据处理的门槛。

这款工具非常适合从事自动驾驶感知算法研究的科研人员、需要快速验证新想法的工程师，以及希望深入理解 3D 检测技术的深度学习爱好者。无论是进行学术探索还是工业级模型开发，OpenPCDet 都能提供坚实的技术底座。

使用场景

某自动驾驶初创团队正在研发城市道路 L4 级无人配送车，急需基于激光雷达点云数据实现高精度的实时 3D 目标检测，以识别车辆、行人及骑行者。

没有 OpenPCDet 时

  • 算法复现成本极高：团队需从零复现 PointRCNN 或 PV-RCNN 等经典论文代码，耗时数月且难以保证与论文性能一致。
  • 多传感器融合困难：面对 NuScenes 等多模态数据集，缺乏现成的 BEVFusion 或 TransFusion 架构支持，自行开发融合模块风险大、周期长。
  • 长时序检测缺失：在处理 Waymo 数据集时，无法直接利用多帧时序信息（如 MPPNet），导致对遮挡目标的跟踪和检测精度不足。
  • 新模型部署滞后：当业界出现 DSVT 等 SOTA 模型时，内部缺乏统一框架快速验证，错失技术迭代窗口。

使用 OpenPCDet 后

  • 开箱即用的模型库：直接调用内置的 PV-RCNN++、MPPNet 等官方认证代码，几天内即可完成基线模型搭建并达到论文级精度。
  • 高效的多模态支持：利用已集成的 BEVFusion 头，快速完成激光雷达与相机数据的特征融合，在 NuScenes 验证集上 NDS 指标迅速突破 70%。
  • 强大的时序处理能力：启用 MPPNet 多帧训练功能，显著提升了对远距离及遮挡车辆、行人的检测召回率，mAPH 指标达到行业领先水平。
  • 敏捷的技术迭代：通过更新版本即可无缝集成 DSVT 等新架构，结合 TensorRT 加速实现 27Hz 实时推理，大幅缩短研发到落地的路径。

OpenPCDet 将原本需要数月的底层算法研发工作压缩至数周，让团队能专注于场景优化而非重复造轮子。

运行环境要求

操作系统
  • Linux
GPU
  • 必需 NVIDIA GPU
  • 文档提及测试环境使用 GTX 1080Ti (11GB) 和 TITAN XP (12GB)，部分新模型（如 DSVT）需配合 TensorRT 使用
  • 具体 CUDA 版本未在当前片段说明，但通常需匹配 PyTorch 版本（支持 PyTorch 1.1~1.10）
内存

未说明（建议 16GB+ 以处理大型点云数据集如 Waymo/NuScenes）

依赖
notes该工具主要用于基于 LiDAR 的 3D 物体检测。核心依赖 'spconv'（稀疏卷积库），安装较为复杂，需注意版本兼容性（支持 spconv 1.x 和 2.x）。若需使用可视化功能需安装 Open3D；若需记录 GPU 状态需安装 gpustat。支持 Docker 部署。处理 Waymo 等大数据集时，建议在配置中开启共享内存（USE_SHARED_MEMORY）以加速数据加载。
python未说明（兼容 PyTorch 1.1~1.10，通常对应 Python 3.6~3.9）
torch>=1.1
spconv>=1.0
numpy
scipy
opencv-python
PyYAML
tqdm
open3d
torch_scatter
gpustat
OpenPCDet hero image

快速开始

OpenPCDet

OpenPCDet 是一个清晰、简单、自包含的开源项目，用于基于 LiDAR 的 3D 物体检测。

它同时也是 [PointRCNN]、[Part-A2-Net]、[PV-RCNN]、[Voxel R-CNN]、[PV-RCNN++] 和 [MPPNet] 的官方代码发布。

亮点：

  • OpenPCDet 已更新至 v0.6.0（2022年9月）。
  • 支持 PV-RCNN++ 的代码实现。
  • 支持 MPPNet 的代码实现。
  • 支持在 NuScenes 数据集上的多模态 3D 检测方法。

概览

更改日志

[2023-06-30] 新增： 添加对 DSVT 的支持，该模型在大规模 Waymo 开放数据集上实现了最先进的性能，并且具有实时推理速度（使用 TensorRT 时为 27HZ）。

[2023-05-13] 新增： 添加对 nuScenes 数据集上多模态 3D 物体检测模型的支持。

  • 支持多模态 nuScenes 检测（请参阅 GETTING_STARTED.md 以处理数据）。
  • 支持 TransFusion-Lidar 头部，该头部在 nuScenes 验证集上达到了 69.43% 的 NDS。
  • 支持 BEVFusion，该模型在 BEV 空间中融合多模态信息，在 nuScenes 验证集上达到了 70.98% 的 NDS。（请参阅 guideline 了解如何使用 BEVFusion 进行训练和测试）。

[2023-04-02] 添加对 nuScenes、Waymo 和 Argoverse2 数据集上 VoxelNeXt 的支持。它是一个完全稀疏的 3D 物体检测网络，属于干净的稀疏 CNN 网络，可以直接在体素上预测 3D 物体。

[2022-09-02] 新增： 将 OpenPCDet 更新至 v0.6.0：

  • 正式发布了用于时序 3D 物体检测的 MPPNet 的官方代码，该模型支持长期多帧 3D 物体检测，并于 2022 年 9 月 2 日在 Waymo 开放数据集的 3D 检测排行榜 中排名第一。在验证集上，MPPNet 在车辆、行人和骑自行车者类别中分别达到了 mAPH@Level_2 的 74.96%、75.06% 和 74.52%。（请参阅 guideline 了解如何使用 MPPNet 进行训练和测试）。
  • 支持 Waymo 开放数据集上的多帧训练/测试（更多关于如何处理数据的信息，请参阅 changelog）。
  • 支持将训练过程中的变化细节（如损失、迭代次数、epoch）保存到文件中（仍然可以通过使用 --use_tqdm_to_record 来使用之前的 tqdm 进度条）。如果您还想记录 GPU 相关信息，请使用 pip install gpustat。
  • 支持每 5 分钟保存一次最新模型，这样您就可以从最近的状态而不是前一个 epoch 恢复模型训练。

[2022-08-22] 添加了对 自定义数据集教程和模板 的支持。

[2022-07-05] 添加了对 3D 物体检测骨干网络 Focals Conv 的支持。

[2022-02-12] 添加了对 Docker 的支持。请参考 ./docker 中的指导说明。

[2022-02-07] 添加了对 nuScenes 数据集上 Centerpoint 模型的支持。

[2022-01-14] 添加了动态柱状体素化支持，遵循 H^23D R-CNN 中提出的实现方式，结合独特的操作和 torch_scatter 包。

[2022-01-05] 新增： 将 OpenPCDet 更新至 v0.5.2：

  • 已将 PV-RCNN++ 的代码发布到本仓库，其性能更高、训练/推理速度更快，且内存消耗更少，优于 PV-RCNN。
  • 增加了使用 Waymo 开放数据集 完整训练集训练的多个模型的性能。
  • 支持 Lyft 数据集，详情请参阅此拉取请求 here。

[2021-12-09] 新增： 将 OpenPCDet 更新至 v0.5.1：

  • 在 Waymo 开放数据集 上增加了 PointPillar 相关基线配置/结果。
  • 支持 Pandaset 数据加载器，详情请参阅此拉取请求 here。
  • 支持一组新的数据增强方法，详情请参阅此拉取请求 here。

[2021-12-01] 新增： OpenPCDet v0.5.0 发布，包含以下功能：

  • 提高了所有模型在 Waymo 开放数据集 上的性能。请注意，您需要重新准备 Waymo 开放数据集的训练/验证数据以及真值数据库（请参阅 GETTING_STARTED.md）。
  • 支持无锚点的 CenterHead，并添加了 CenterPoint 和 PV-RCNN with CenterHead 的配置。
  • 支持最新的 PyTorch 1.1~1.10 和 spconv 1.0~2.x，其中 spconv 2.x 可以通过 pip 轻松安装，并且比之前版本更快（请参阅 spconv 的官方更新 here）。
  • 支持配置 USE_SHARED_MEMORY，以便在遇到 IO 问题时使用共享内存来加速训练过程。
  • 支持更好、更快的 可视化脚本，您需要先安装 Open3D。

[2021-06-08] 添加了对基于体素的 3D 物体检测模型 Voxel R-CNN 的支持。

[2021-05-14] 添加了对单目 3D 物体检测模型 CaDDN 的支持。

[2020-11-27] 修复了错误：如果您想使用我们提供的 Waymo 评估工具（请参阅 PR），请重新准备 Waymo 数据集的验证信息（版本 1.2）。请注意，您不需要重新准备训练数据和真值数据库。

[2020-11-10] Waymo 开放数据集 已经支持了最先进的结果。目前我们提供了 SECOND、PartA2 和 PV-RCNN 在 Waymo 开放数据集上的配置和结果，通过修改其数据集配置，可以轻松支持更多模型。

[2020-08-10] 修复了错误：提供的 nuScenes 模型已更新，以修复加载错误。如果您需要使用预训练的 nuScenes 模型，请重新下载。

[2020-07-30] OpenPCDet v0.3.0 发布，包含以下功能：

[2020-07-17] 添加了简单的可视化代码和快速演示，以测试自定义数据。

[2020-06-24] OpenPCDet v0.2.0 发布，采用了全新的结构，以支持更多的模型和数据集。

[2020-03-16] OpenPCDet v0.1.0 发布。

简介

OpenPCDet 工具箱的功能是什么？

请注意，我们已将 PCDet 从 v0.1 升级到 v0.2，并引入了全新的架构，以支持多种数据集和模型。

OpenPCDet 是一个基于 PyTorch 的通用代码库，用于点云中的 3D 物体检测。它目前支持多种最先进的 3D 物体检测方法，并对单阶段和双阶段的 3D 检测框架进行了高度重构。

基于 OpenPCDet 工具箱，我们在 Waymo 开放数据集挑战赛中，在 3D 检测、3D 跟踪 和 领域自适应 三个赛道上，所有仅使用 LiDAR 的方法中均取得了第一名。与 Waymo 相关的模型也将很快发布到 OpenPCDet 中。

我们目前正在积极更新此仓库，未来将支持更多数据集和模型。我们也欢迎各位贡献代码！

OpenPCDet 设计模式

  • 数据与模型分离，并采用统一的点云坐标系，便于扩展到自定义数据集：

  • 统一的 3D 边界框定义：(x, y, z, dx, dy, dz, heading)。

  • 灵活且清晰的模型结构，便于支持各种 3D 检测模型：

  • 在同一框架内支持多种模型：

当前支持的功能

  • 支持单阶段和双阶段的 3D 物体检测框架
  • 支持多 GPU 和多机的分布式训练与测试
  • 支持在不同尺度上使用多个头来检测不同类别
  • 支持堆叠版本的集合抽象，以编码不同场景中的各种点数
  • 支持自适应训练样本选择 (ATSS) 用于目标分配
  • 支持 RoI 感知的点云池化和 RoI 格网点云池化
  • 支持 GPU 版本的 3D IoU 计算和旋转 NMS

模型库

KITTI 3D 物体检测基线

下表展示了部分支持的方法。结果为 KITTI 数据集 val 集上的中等难度 3D 检测性能。

  • 所有基于 LiDAR 的模型均使用 8 块 GTX 1080Ti GPU 进行训练，并可下载。
  • 训练时间是使用 8 块 TITAN XP GPU 和 PyTorch 1.5 测量的。
训练时间 Car@R11 Pedestrian@R11 Cyclist@R11 下载
PointPillar ~1.2 小时 77.28 52.29 62.68 model-18M
SECOND ~1.7 小时 78.62 52.98 67.15 model-20M
SECOND-IoU - 79.09 55.74 71.31 model-46M
PointRCNN ~3 小时 78.70 54.41 72.11 model-16M
PointRCNN-IoU ~3 小时 78.75 58.32 71.34 model-16M
Part-A2-Free ~3.8 小时 78.72 65.99 74.29 model-226M
Part-A2-Anchor ~4.3 小时 79.40 60.05 69.90 model-244M
PV-RCNN ~5 小时 83.61 57.90 70.47 model-50M
Voxel R-CNN (Car) ~2.2 小时 84.54 - - model-28M
Focals Conv - F ~4 小时 85.66 - - model-30M
CaDDN (Mono) ~15 小时 21.38 13.02 9.76 model-774M

Waymo 开放数据集基线

我们在 Waymo 开放数据集（WOD）上提供了 DATA_CONFIG.SAMPLED_INTERVAL 的设置，用于对部分样本进行子采样以供训练和评估。因此，即使您的 GPU 资源有限，也可以通过设置较小的 DATA_CONFIG.SAMPLED_INTERVAL 来体验 WOD 数据集。

默认情况下，所有模型均使用全部训练样本中 20% 的数据（约 3.2 万帧） 的 单帧 数据，在 8 张 GTX 1080Ti 显卡上进行训练。此处每个单元格的结果均为按照 Waymo 官方评估指标在 整个 验证集（版本 1.2）上计算得到的 mAP/mAPH。

性能@（使用 20% 数据训练） 车辆 L1 车辆 L2 行人 L1 行人 L2 自行车 L1 自行车 L2
SECOND 70.96/70.34 62.58/62.02 65.23/54.24 57.22/47.49 57.13/55.62 54.97/53.53
PointPillar 70.43/69.83 62.18/61.64 66.21/46.32 58.18/40.64 55.26/51.75 53.18/49.80
CenterPoint-Pillar 70.50/69.96 62.18/61.69 73.11/61.97 65.06/55.00 65.44/63.85 62.98/61.46
CenterPoint-Dynamic-Pillar 70.46/69.93 62.06/61.58 73.92/63.35 65.91/56.33 66.24/64.69 63.73/62.24
CenterPoint 71.33/70.76 63.16/62.65 72.09/65.49 64.27/58.23 68.68/67.39 66.11/64.87
CenterPoint (ResNet) 72.76/72.23 64.91/64.42 74.19/67.96 66.03/60.34 71.04/69.79 68.49/67.28
Part-A2-Anchor 74.66/74.12 65.82/65.32 71.71/62.24 62.46/54.06 66.53/65.18 64.05/62.75
PV-RCNN (AnchorHead) 75.41/74.74 67.44/66.80 71.98/61.24 63.70/53.95 65.88/64.25 63.39/61.82
PV-RCNN (CenterHead) 75.95/75.43 68.02/67.54 75.94/71.40 67.66/61.62 70.18/68.98 67.73/66.57
Voxel R-CNN (CenterHead)-Dynamic-Voxel 76.13/75.66 68.18/67.74 78.20/71.98 69.29/63.59 70.75/69.68 68.25/67.21
PV-RCNN++ 77.82/77.32 69.07/68.62 77.99/71.36 69.92/63.74 71.80/70.71 69.31/68.26
PV-RCNN++ (ResNet) 77.61/77.14 69.18/68.75 79.42/73.31 70.88/65.21 72.50/71.39 69.84/68.77

在此我们还提供了若干模型在完整训练集上训练的性能结果（参考 [PV-RCNN++] 论文：https://arxiv.org/abs/2102.00463）：

性能@（使用 100% 数据训练） 车辆 L1 车辆 L2 行人 L1 行人 L2 自行车 L1 自行车 L2
SECOND 72.27/71.69 63.85/63.33 68.70/58.18 60.72/51.31 60.62/59.28 58.34/57.05
CenterPoint-Pillar 73.37/72.86 65.09/64.62 75.35/65.11 67.61/58.25 67.76/66.22 65.25/63.77
Part-A2-Anchor 77.05/76.51 68.47/67.97 75.24/66.87 66.18/58.62 68.60/67.36 66.13/64.93
VoxelNeXt-2D 77.94/77.47 69.68/69.25 80.24/73.47 72.23/65.88 73.33/72.20 70.66/69.56
VoxelNeXt 78.16/77.70 69.86/69.42 81.47/76.30 73.48/68.63 76.06/74.90 73.29/72.18
PV-RCNN (CenterHead) 78.00/77.50 69.43/68.98 79.21/73.03 70.42/64.72 71.46/70.27 68.95/67.79
PV-RCNN++ 79.10/78.63 70.34/69.91 80.62/74.62 71.86/66.30 73.49/72.38 70.70/69.62
PV-RCNN++ (ResNet) 79.25/78.78 70.61/70.18 81.83/76.28 73.17/68.00 73.72/72.66 71.21/70.19
DSVT-Pillar 79.44/78.97 71.24/70.81 83.00/77.22 75.45/69.95 76.70/75.70 73.83/72.86
DSVT-Voxel 79.77/79.31 71.67/71.25 83.75/78.92 76.21/71.57 77.57/76.58 74.70/73.73
PV-RCNN++ (ResNet, 2 帧) 80.17/79.70 72.14/71.70 83.48/80.42 75.54/72.61 74.63/73.75 72.35/71.50
MPPNet (4 帧) 81.54/81.06 74.07/73.61 84.56/81.94 77.20/74.67 77.15/76.50 75.01/74.38
MPPNet (16 帧) 82.74/82.28 75.41/74.96 84.69/82.25 77.43/75.06 77.28/76.66 75.13/74.52

由于 Waymo 数据集许可协议 的限制，我们无法提供上述预训练模型，但您只需使用默认配置进行训练，即可轻松获得类似性能。

NuScenes 3D目标检测基线

所有模型均使用8张GPU进行训练，并提供下载。关于BEVFusion的训练，请参阅指南。

mATE mASE mAOE mAVE mAAE mAP NDS download
PointPillar-MultiHead 33.87 26.00 32.07 28.74 20.15 44.63 58.23 model-23M
SECOND-MultiHead (CBGS) 31.15 25.51 26.64 26.26 20.46 50.59 62.29 model-35M
CenterPoint-PointPillar 31.13 26.04 42.92 23.90 19.14 50.03 60.70 model-23M
CenterPoint (voxel_size=0.1) 30.11 25.55 38.28 21.94 18.87 56.03 64.54 model-34M
CenterPoint (voxel_size=0.075) 28.80 25.43 37.27 21.55 18.24 59.22 66.48 model-34M
VoxelNeXt (voxel_size=0.075) 30.11 25.23 40.57 21.69 18.56 60.53 66.65 model-31M
TransFusion-L* 27.96 25.37 29.35 27.31 18.55 64.58 69.43 model-32M
BEVFusion 28.03 25.43 30.19 26.76 18.48 67.75 70.98 model-157M

*: 使用渐退策略，即在训练的最后几个epoch中禁用数据增强。

ONCE 3D目标检测基线

所有模型均使用8张GPU进行训练。

Vehicle Pedestrian Cyclist mAP
PointRCNN 52.09 4.28 29.84 28.74
PointPillar 68.57 17.63 46.81 44.34
SECOND 71.19 26.44 58.04 51.89
PV-RCNN 77.77 23.50 59.37 53.55
CenterPoint 78.02 49.74 67.22 64.99

Argoverse2 3D目标检测基线

所有模型均使用4张GPU进行训练。

mAP download
VoxelNeXt 30.5 model-32M

其他数据集

欢迎通过提交Pull Request来支持其他数据集。

安装

请参阅INSTALL.md，了解OpenPCDet的安装方法。

快速演示

请参阅DEMO.md，获取使用预训练模型进行快速演示的指南，并在您自定义的数据或原始KITTI数据上可视化预测结果。

入门指南

请参阅GETTING_STARTED.md，了解更多关于该项目的使用方法。

许可证

OpenPCDet采用Apache 2.0许可证发布。

致谢

OpenPCDet是一个基于LiDAR的3D场景感知开源项目，支持如上所示的多种LiDAR感知模型。PCDet的部分代码借鉴了上述受支持方法的官方实现。我们感谢这些方法的提出者及其官方实现。

我们希望这个仓库能够作为一个强大而灵活的代码库，帮助研究社区加速复现已有工作和/或开发新方法。

引用

如果您在研究中使用了本项目，请考虑引用以下内容：

@misc{openpcdet2020,
    title={OpenPCDet: An Open-source Toolbox for 3D Object Detection from Point Clouds},
    author={OpenPCDet Development Team},
    howpublished = {\url{https://github.com/open-mmlab/OpenPCDet}},
    year={2020}
}

贡献

欢迎加入OpenPCDet开发团队，为本项目贡献力量。如有任何潜在贡献，请随时与我们联系。

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

★ 349.3k|★★★☆☆|1周前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

★ 162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上

★ 156.8k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

★ 108.3k|★★☆☆☆|5天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。

★ 100.8k|★★☆☆☆|5天前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器

★ 93.4k|★★☆☆☆|1周前
插件开发框架